Raw codepoint test backend. Tweaks to constructor arguments. Try to handle the case...
authorJoe Wreschnig <joe.wreschnig@gmail.com>
Fri, 12 Feb 2010 10:06:56 +0000 (02:06 -0800)
committerJoe Wreschnig <joe.wreschnig@gmail.com>
Fri, 12 Feb 2010 10:06:56 +0000 (02:06 -0800)
collate/__init__.py
collate/_locale.py [new file with mode: 0644]
collate/codepoint.py [new file with mode: 0644]
collate/icu/__init__.py
collate/syslocale/__init__.py
collate/uca/__init__.py

index 6ce11148d836cba02f0d652df60832fff0515af7..0f501705efe13ae4cfae0da818a033c5ba5a3319 100644 (file)
@@ -1,67 +1,47 @@
-import locale
-
-if locale.getlocale()[0] is None:
-    locale.setlocale(locale.LC_COLLATE, '')
-
 import collate.errors
+import collate._locale
 
+try:
+    import collate.codepoint as default
+except ImportError:
+    pass
 try:
     import collate.syslocale as default
+except ImportError:
+    pass
+try:
     import collate.uca as default
+except ImportError:
+    pass
+try:
     import collate.icu as default
 except ImportError:
     pass
 
 collator = None
-preferred_locale = None
-
-def _get_collator(backend, locale_code):
-    for code in [locale_code,
-                locale_code.split("_")[0],
-                locale.getlocale(locale.LC_COLLATE)[0],
-                locale.getlocale(locale.LC_COLLATE)[0].split("_")[0],
-                locale.getdefaultlocale()[0],
-                locale.getdefaultlocale()[0].split("_")[0],
-                None]:
-       try:
-           return default.Collator(code)
-       except collate.errors.InvalidLocaleError:
-           pass
 
-def set_locale(locale_code):
-    global collator
-    global preferred_locale
-
-    preferred_locale = locale_code
-    if collator is None or collator.locale != locale_code:
-       c = _get_collator(default, locale_code)
-       if c is not None:
-           collator = c
-        else:
-            raise collate.errors.InvalidLocaleError(locale_code)
-
-def set_backend(backend):
+def set_default(backend=None, locale=None, encoding=None):
     global collator
     global default
 
-    c = _get_collator(backend, preferred_locale)
+    if backend is None:
+        backend = default
+    locales = collate._locale.localelist(locale)
+    c = None
+    for locale in locales:
+        locale, encoding_ = collate._locale.getpair(locale, encoding)
+        try:
+            c = backend.Collator(locale, encoding_)
+        except collate.errors.InvalidLocaleError:
+            pass
     if c is not None:
-       collator = c
-       default = backend
-    else:
-       raise collate.errors.InvalidLocaleError(locale_code)
+        collator = c
+        default = backend
 
 def key(string):
     return collator.key(string)
 
-def cmp(string1, string2):
-    return collator.cmp(string1, string2)
+def cmp(a, b):
+    return collator.cmp(a, b)
 
-try:
-    set_locale(locale.getlocale()[0])
-except collate.errors.InvalidLocaleError:
-    # There's no way this should fail unless the C locale system is
-    # fucked or missing all data.
-    import collator.syslocale
-    set_backend(collator.syslocale)
-    set_locale(locale.getlocale(locale.LC_COLLATE)[0])
+set_default()
diff --git a/collate/_locale.py b/collate/_locale.py
new file mode 100644 (file)
index 0000000..bebbc95
--- /dev/null
@@ -0,0 +1,123 @@
+"""Locale utility routines."""
+
+import sys
+
+try:
+    import locale
+except ImportError:
+    locale = None
+
+try:
+    import codecs
+except ImportError:
+    codecs = None
+
+__all__ = ["localelist"]
+
+def localelist(*locales):
+    """Normalize and return a list of locales, with appended defaults.
+
+    e.g. on a system with en_US as the default locale,
+
+    localelist('en_GB.utf8', 'de_DE') =>
+        ['en_GB', 'en', 'de_DE', 'de', 'en_US', 'C']
+
+    """
+
+    locales = list(locales)
+
+    if locale is not None:
+        # Set the locale if it hasn't already been set, but don't fail
+        # if we can't set it for some reason.
+        if locale.getlocale(locale.LC_COLLATE)[0] is None:
+            try:
+                locale.setlocale(locale.LC_COLLATE, '')
+            except locale.Error:
+                pass
+
+        # Throw in the user's specified collation locale, the current locale,
+        # the default locale, and POSIX, for free.
+        locales.append(locale.getlocale(locale.LC_COLLATE)[0])
+        locales.append(locale.getlocale()[0])
+        locales.append(locale.getdefaultlocale()[0])
+    locales.append("C")
+
+    # Don't put the same locale in the return list more than twice.
+    added = set()
+    retlist = []
+
+    for code in locales:
+        if not code:
+            continue
+        if locale is not None:
+            code = locale.normalize(code)
+        # Strip off encoding if present.
+        code = code.split(".")[0]
+        if code.lower() not in added:
+            retlist.append(code)
+            added.add(code.lower())
+        # Strip off territory if present.
+        code = code.split("_")[0]
+        if code.lower() not in added:
+            retlist.append(code)
+            added.add(code.lower())
+
+    return retlist
+
+def encoding(preferred=None):
+    """Try to find an optimal encoding.
+
+    Arguments:
+    preferred - use this encoding if possible
+
+    Otherwise, the locale encoding or the Python system encoding are
+    used.
+    """
+    # can't use any codecs, use the system one (ascii).
+    if codecs is None:
+        return sys.getdefaultencoding()
+
+    # if preferred is a valid codec, use it.
+    if preferred is not None:
+        try:
+            return codecs.lookup(preferred).name
+        except (LookupError, AttributeError):
+            pass
+
+    # preferred is bad and can't get it from locale.
+    if locale is None:
+        return sys.getdefaultencoding()
+
+    # try to get it from the locale, if not there, set it and try again.
+    fromlocale = locale.getlocale(locale.LC_COLLATE)[1]
+    if fromlocale is not None:
+        return fromlocale
+    try:
+        locale.setlocale(locale.LC_COLLATE, '')[1]
+    except locale.Error:
+        pass
+    else:
+        fromlocale = locale.getlocale(locale.LC_COLLATE)
+        if fromlocale is not None:
+            return fromlocale
+
+    # okay, LC_COLLATE isn't set, maybe the generic locale is.
+    fromlocale = locale.getlocale()[1]
+    if fromlocale is not None:
+        return fromlocale
+
+    # but we won't reset the generic locale if it isn't, that'd be
+    # rude.
+
+    # if the locale can't even give us a simple encoding, go back
+    # to the system one, and give up.
+    return locale.getpreferredencoding() or sys.getdefaultencoding()
+
+def getpair(locale_, encoding_):
+    if "." in locale_:
+        if encoding_ is None:
+            locale_, encoding_ = locale_.rsplit(".", 1)
+        else:
+            locale_ = locale_.rsplit(".")[0]
+    return locale_, encoding(encoding_)
+    
diff --git a/collate/codepoint.py b/collate/codepoint.py
new file mode 100644 (file)
index 0000000..e0bbcbd
--- /dev/null
@@ -0,0 +1,43 @@
+"""Codepoint-based collation.
+
+This collation backend sorts using only the basic codepoint order. It
+is primarily intended to be used as a baseline and example for other
+collation backends.
+
+Use this collation backend if...
+ - You are writing tests for pycollate.
+ - You are writing specialized Unicode software.
+ - You are on a system with no locale module.
+
+Avoid this backend if...
+ - You are writing a normal program for a normal runtime environment.
+ - You are sorting strings to show normal humans.
+
+"""
+
+import collate._abcollator
+import collate._locale
+
+__all__ = ["Collate"]
+
+class Collator(collate._abcollator.Collator):
+    """Codepoint-based collation.
+
+    Arguments
+    locale - all parts but encoding ignored, always 'C'
+    encoding - try to use this string encoding
+    """
+
+    def __init__(self, locale=None, encoding=None):
+        dummy, self.encoding = collate._locale.getpair(locale, encoding)
+        self.locale = "C"
+
+    def key(self, string):
+        """Sort key for a string.
+
+        If string is a str instance, it is first decoded according to
+        the 'encoding' attribute of the Collator.
+        """
+        if isinstance(string, str):
+            string = string.decode(self.encoding, 'replace')
+        return string
index 1e2ba50ac43ff3a50a6d1a3d861cb3c084bbaeaf..bb0dcd83bf2087c9162e2b0f5508f64ce4213880 100644 (file)
@@ -4,7 +4,7 @@ import collate._abcollator
 NAME = "ICU"
 
 class Collator(collate._abcollator.Collator):
-    def __init__(self, locale):
+    def __init__(self, locale, encoding):
        self._collator = collate.icu._ucol.Collator(locale)
        self.locale = self._collator.locale
 
index 43281e27dac417457f07717b3086691c29632859..a76d538f9b059b00a39b8b8675cab497463a83eb 100644 (file)
@@ -4,7 +4,7 @@ import collate.errors
 import collate._abcollator
 
 class Collator(collate._abcollator.Collator):
-    def __init__(self, locale_code):
+    def __init__(self, locale_code, encoding=None):
        default = locale.getdefaultlocale()[0]
        for locale in [locale_code, default]:
            try:
index 228a24c1b0e0729ad306c43921e8e2243a4fb9eb..7ddf731e8d772165c3beb5751348dd0b87cc8553 100644 (file)
@@ -30,7 +30,7 @@ class Trie(object):
 
 class Collator(collate._abcollator.Collator):
 
-    def __init__(self, locale_code, strict=False):
+    def __init__(self, locale_code, encoding=None):
 
         self.__table = Trie()
         self.locale = locale_code