include/svtools/parhtml.hxx

   1 /* -*- Mode: C++; tab-width: 4; indent-tabs-mode: nil; c-basic-offset: 4 -*- */
   2 /*
   3  * This file is part of the LibreOffice project.
   4  *
   5  * This Source Code Form is subject to the terms of the Mozilla Public
   6  * License, v. 2.0. If a copy of the MPL was not distributed with this
   7  * file, You can obtain one at http://mozilla.org/MPL/2.0/.
   8  *
   9  * This file incorporates work covered by the following license notice:
  10  *
  11  *   Licensed to the Apache Software Foundation (ASF) under one or more
  12  *   contributor license agreements. See the NOTICE file distributed
  13  *   with this work for additional information regarding copyright
  14  *   ownership. The ASF licenses this file to you under the Apache
  15  *   License, Version 2.0 (the "License"); you may not use this file
  16  *   except in compliance with the License. You may obtain a copy of
  17  *   the License at http://www.apache.org/licenses/LICENSE-2.0 .
  18  */
  19
  20 #ifndef INCLUDED_SVTOOLS_PARHTML_HXX
  21 #define INCLUDED_SVTOOLS_PARHTML_HXX
  22
  23 #include <svtools/svtdllapi.h>
  24 #include <svtools/svparser.hxx>
  25
  26 #include <boost/ptr_container/ptr_vector.hpp>
  27
  28 namespace com { namespace sun { namespace star {
  29     namespace document {
  30         class XDocumentProperties;
  31     }
  32 } } }
  33
  34 class Color;
  35 class SvNumberFormatter;
  36 class SvKeyValueIterator;
  37
  38 #define HTMLFONTSZ1_DFLT 7
  39 #define HTMLFONTSZ2_DFLT 10
  40 #define HTMLFONTSZ3_DFLT 12
  41 #define HTMLFONTSZ4_DFLT 14
  42 #define HTMLFONTSZ5_DFLT 18
  43 #define HTMLFONTSZ6_DFLT 24
  44 #define HTMLFONTSZ7_DFLT 36
  45
  46 enum HTMLTableFrame { HTML_TF_VOID, HTML_TF_ABOVE, HTML_TF_BELOW,
  47     HTML_TF_HSIDES, HTML_TF_LHS, HTML_TF_RHS, HTML_TF_VSIDES, HTML_TF_BOX };
  48
  49 enum HTMLTableRules { HTML_TR_NONE, HTML_TR_GROUPS, HTML_TR_ROWS,
  50     HTML_TR_COLS, HTML_TR_ALL };
  51
  52 enum HTMLInputType
  53 {
  54     HTML_IT_TEXT =      0x01,
  55     HTML_IT_PASSWORD =  0x02,
  56     HTML_IT_CHECKBOX =  0x03,
  57     HTML_IT_RADIO =     0x04,
  58     HTML_IT_RANGE =     0x05,
  59     HTML_IT_SCRIBBLE =  0x06,
  60     HTML_IT_FILE =      0x07,
  61     HTML_IT_HIDDEN =    0x08,
  62     HTML_IT_SUBMIT =    0x09,
  63     HTML_IT_IMAGE =     0x0a,
  64     HTML_IT_RESET =     0x0b,
  65     HTML_IT_BUTTON =    0x0c
  66 };
  67
  68 enum HTMLScriptLanguage
  69 {
  70     HTML_SL_STARBASIC,
  71     HTML_SL_JAVASCRIPT,
  72     HTML_SL_UNKNOWN
  73 };
  74
  75 struct HTMLOptionEnum
  76 {
  77     const sal_Char *pName;  // Wert einer HTML-Option
  78     sal_uInt16 nValue;      // und der dazugehoerige Wert eines Enums
  79 };
  80
  81 // Repraesentation einer HTML-Option (=Atrribut in einem Start-Tag)
  82 // Die Werte der Optionen werden immer als String gespeichert.
  83 // Die Methoden GetNumber, ... duerfen nur aufgerufen werden, wenn
  84 // die Option auch numerisch, ... ist.
  85
  86 class SVT_DLLPUBLIC HTMLOption
  87 {
  88     OUString aValue;          // der Wert der Option (immer als String)
  89     OUString aToken;          // der Name der Option als String
  90     sal_uInt16 nToken;        // und das entsprechende Token
  91
  92 public:
  93
  94     HTMLOption( sal_uInt16 nTyp, const OUString& rToken, const OUString& rValue );
  95
  96     // der Name der Option ...
  97     sal_uInt16 GetToken() const { return nToken; }  // ... als Enum
  98     const OUString& GetTokenString() const { return aToken; } // ... als String
  99
 100     // der Wert der Option ...
 101     const OUString& GetString() const { return aValue; }  // ... als String
 102
 103     sal_uInt32 GetNumber() const;                           // ... als Zahl
 104     sal_Int32 GetSNumber() const;                           // ... als Zahl
 105     void GetNumbers( std::vector<sal_uInt32> &rNumbers,                  // ... als Zahlen
 106                      bool bSpaceDelim=false ) const;
 107     void GetColor( Color& ) const;                      // ... als Farbe
 108
 109     // ... als Enum pOptEnums ist ein HTMLOptionEnum-Array
 110     sal_uInt16 GetEnum( const HTMLOptionEnum *pOptEnums,
 111                         sal_uInt16 nDflt=0 ) const;
 112     bool GetEnum( sal_uInt16 &rEnum, const HTMLOptionEnum *pOptEnums ) const;
 113
 114     // ... und als ein par spezielle Enums
 115     HTMLInputType GetInputType() const;                 // <INPUT TYPE=...>
 116     HTMLTableFrame GetTableFrame() const;               // <TABLE FRAME=...>
 117     HTMLTableRules GetTableRules() const;               // <TABLE RULES=...>
 118     //SvxAdjust GetAdjust() const;                      // <P,TH,TD ALIGN=>
 119 };
 120
 121 typedef ::boost::ptr_vector<HTMLOption> HTMLOptions;
 122
 123 class SVT_DLLPUBLIC HTMLParser : public SvParser
 124 {
 125 private:
 126     mutable HTMLOptions maOptions; // die Optionen des Start-Tags
 127
 128     bool bNewDoc        : 1;        // neues Doc lesen ?
 129     bool bIsInHeader    : 1;        // scanne Header-Bereich
 130     bool bIsInBody      : 1;        // scanne Body-Bereich
 131     bool bReadListing   : 1;        // Lese Listings
 132     bool bReadXMP       : 1;        // Lese XMP
 133     bool bReadPRE       : 1;        // Lese preformatted Text
 134     bool bReadTextArea  : 1;        // Lese TEXTAREA
 135     bool bReadScript    : 1;        // Lesen von <SCRIPT>
 136     bool bReadStyle     : 1;        // Lesen von <STYLE>
 137     bool bEndTokenFound : 1;        // </SCRIPT> oder </STYLE> gefunden
 138
 139     bool bPre_IgnoreNewPara : 1;    // Flags fuers lesen von PRE-Absaetzen
 140     bool bReadNextChar : 1;         // true: NextChar nochmals lesen (JavaScript!)
 141     bool bReadComment : 1;          // true: NextChar nochmals lesen (JavaScript!)
 142
 143     sal_uInt32 nPre_LinePos;            // Pos in der Line im PRE-Tag
 144
 145     int mnPendingOffToken;          ///< OFF token pending for a <XX.../> ON/OFF ON token
 146
 147     OUString aEndToken;
 148
 149 protected:
 150     OUString sSaveToken;              // das gelesene Tag als String
 151
 152     int ScanText( const sal_Unicode cBreak = 0U );
 153
 154     int _GetNextRawToken();
 155
 156     // scanne das naechste Token,
 157     virtual int _GetNextToken() SAL_OVERRIDE;
 158
 159     virtual ~HTMLParser();
 160
 161     void FinishHeader( bool bBody ) { bIsInHeader = false; bIsInBody = bBody; }
 162
 163 public:
 164     HTMLParser( SvStream& rIn, bool bReadNewDoc = true );
 165
 166     virtual SvParserState CallParser() SAL_OVERRIDE;   // Aufruf des Parsers
 167
 168     bool IsNewDoc() const       { return bNewDoc; }
 169     bool IsInHeader() const     { return bIsInHeader; }
 170     bool IsInBody() const       { return bIsInBody; }
 171     bool IsValidSyntax() const  { return true; }
 172     bool IsReadListing() const  { return bReadListing; }
 173     bool IsReadXMP() const      { return bReadXMP; }
 174     bool IsReadPRE() const      { return bReadPRE; }
 175     bool IsReadScript() const   { return bReadScript; }
 176     bool IsReadStyle() const    { return bReadStyle; }
 177
 178     void SetReadNextChar()      { bReadNextChar = true; }
 179
 180     // PRE-/LISTING oder XMP-Modus starten/beenden oder Tags entsprechend
 181     // filtern
 182     inline void StartPRE( bool bRestart=false );
 183     void FinishPRE() { bReadPRE = false; }
 184     int FilterPRE( int nToken );
 185
 186     inline void StartListing( bool bRestart=false );
 187     void FinishListing() { bReadListing = false; }
 188     int FilterListing( int nToken );
 189
 190     inline void StartXMP( bool bRestart=false );
 191     void FinishXMP() { bReadXMP = false; }
 192     int FilterXMP( int nToken );
 193
 194     void FinishTextArea() { bReadTextArea = false; }
 195
 196     // PRE-/LSITING- und XMP-Modus beenden
 197     void FinishPREListingXMP() { bReadPRE = bReadListing = bReadXMP = false; }
 198
 199     // Das aktuelle Token dem aktuellen Modus (PRE, XMP, ...) entsprechend
 200     // Filtern und die Flags setzen. Wird von Continue aufgerufen, bevor
 201     // NextToken gerufen wird. Wer eigene Schleifen implementiert bzw.
 202     // selbst NextToken aufruft, sollte diese Methode vorher rufen.
 203     int FilterToken( int nToken );
 204
 205     // Scannen eines Scripts beenden (sollte nur unmittelbar nach dem
 206     // Lesen eines <SCRIPT> aufgerufen werden
 207     void EndScanScript() { bReadScript = false; }
 208
 209     void ReadRawData( const OUString &rEndToken ) { aEndToken = rEndToken; }
 210
 211     // Token ohne \-Sequenzen
 212     void UnescapeToken();
 213
 214     // Ermitteln der Optionen. pNoConvertToken ist das optionale Token
 215     // einer Option, fuer die CR/LFs nicht aus dem Wert der Option
 216     // geloescht werden.
 217     const HTMLOptions& GetOptions( sal_uInt16 *pNoConvertToken=0 );
 218
 219     // fuers asynchrone lesen aus dem SvStream
 220     virtual void Continue( int nToken ) SAL_OVERRIDE;
 221
 222
 223 protected:
 224
 225     static rtl_TextEncoding GetEncodingByMIME( const OUString& rMime );
 226
 227     /// template method: called when ParseMetaOptions adds a user-defined meta
 228     virtual void AddMetaUserDefined( OUString const & i_rMetaName );
 229
 230 private:
 231     /// parse meta options into XDocumentProperties and encoding
 232     bool ParseMetaOptionsImpl( const ::com::sun::star::uno::Reference<
 233                 ::com::sun::star::document::XDocumentProperties>&,
 234             SvKeyValueIterator*,
 235             const HTMLOptions&,
 236             rtl_TextEncoding& rEnc );
 237
 238 public:
 239     /// overriding method must call this implementation!
 240     virtual bool ParseMetaOptions( const ::com::sun::star::uno::Reference<
 241                 ::com::sun::star::document::XDocumentProperties>&,
 242             SvKeyValueIterator* );
 243
 244     // Ist der uebergebene 0-terminierte String (vermutlich) der Anfang
 245     // eines HTML-Files? Er sollte mind. 80 Zeichen lang sein.
 246     // Mit Ausnahme des Falls, dass SwitchToUCS2==false und
 247     // SVPAR_CS_DONTKNOW uebergeben wird muss der String mit zwei(!)
 248     // 0-Bytes an einer geraden(!) Position terminiert sein.
 249     static bool IsHTMLFormat( const sal_Char* pHeader,
 250                       bool bSwitchToUCS2 = false,
 251                       rtl_TextEncoding eEnc=RTL_TEXTENCODING_DONTKNOW );
 252
 253     bool ParseScriptOptions( OUString& rLangString, const OUString&, HTMLScriptLanguage& rLang,
 254                              OUString& rSrc, OUString& rLibrary, OUString& rModule );
 255
 256     // Einen Kommentar um den Inhalt von <SCRIPT> oder <STYLE> entfernen
 257     // Bei 'bFull' wird ggf. die gesammte Zeile hinter einem "<!--"
 258     // entfernt (fuer JavaSript)
 259     static void RemoveSGMLComment( OUString &rString, bool bFull );
 260
 261     static bool InternalImgToPrivateURL( OUString& rURL );
 262     static rtl_TextEncoding GetEncodingByHttpHeader( SvKeyValueIterator *pHTTPHeader );
 263     bool SetEncodingByHTTPHeader( SvKeyValueIterator *pHTTPHeader );
 264 };
 265
 266 inline void HTMLParser::StartPRE( bool bRestart )
 267 {
 268     bReadPRE = true;
 269     bPre_IgnoreNewPara = !bRestart;
 270     nPre_LinePos = 0UL;
 271 }
 272
 273 inline void HTMLParser::StartListing( bool bRestart )
 274 {
 275     bReadListing = true;
 276     bPre_IgnoreNewPara = !bRestart;
 277     nPre_LinePos = 0UL;
 278 }
 279
 280 inline void HTMLParser::StartXMP( bool bRestart )
 281 {
 282     bReadXMP = true;
 283     bPre_IgnoreNewPara = !bRestart;
 284     nPre_LinePos = 0UL;
 285 }
 286
 287 #endif
 288
 289 /* vim:set shiftwidth=4 softtabstop=4 expandtab: */