← Back to branch summary

~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/cache_utf8.py

  • Committer: Robert Collins
  • Date: 2007-06-04 03:39:48 UTC
  • mto: (2507.1.1 integration)
  • mto: This revision was merged to the branch mainline in revision 2505.
  • Revision ID: robertc@robertcollins.net-20070604033948-erld0bugxcbo62gf
Review feedback.

Show diffs side-by-side

added added

removed removed

Lines of Context:
bzrlib/cache_utf8.py
 
1
# Copyright (C) 2006 Canonical Ltd
 
2
#
 
3
# This program is free software; you can redistribute it and/or modify
 
4
# it under the terms of the GNU General Public License as published by
 
5
# the Free Software Foundation; either version 2 of the License, or
 
6
# (at your option) any later version.
 
7
#
 
8
# This program is distributed in the hope that it will be useful,
 
9
# but WITHOUT ANY WARRANTY; without even the implied warranty of
 
10
# MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
 
11
# GNU General Public License for more details.
 
12
#
 
13
# You should have received a copy of the GNU General Public License
 
14
# along with this program; if not, write to the Free Software
 
15
# Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA  02111-1307  USA
 
16
 
 
17
# TODO: Some kind of command-line display of revision properties: 
 
18
# perhaps show them in log -v and allow them as options to the commit command.
 
19
 
 
20
"""Some functions to enable caching the conversion between unicode to utf8"""
 
21
 
 
22
import codecs
 
23
 
 
24
 
 
25
_utf8_encode = codecs.getencoder("utf-8")
 
26
_utf8_decode = codecs.getdecoder("utf-8")
 
27
def _utf8_decode_with_None(bytestring, _utf8_decode=_utf8_decode):
 
28
    """wrap _utf8_decode to support None->None for optional strings.
 
29
 
 
30
    Also, only return the Unicode portion, since we don't care about the second
 
31
    return value.
 
32
    """
 
33
    if bytestring is None:
 
34
        return None
 
35
    else:
 
36
        return _utf8_decode(bytestring)[0]
 
37
 
 
38
# Map revisions from and to utf8 encoding
 
39
# Whenever we do an encode/decode operation, we save the result, so that
 
40
# we don't have to do it again.
 
41
_unicode_to_utf8_map = {}
 
42
_utf8_to_unicode_map = {}
 
43
 
 
44
 
 
45
def encode(unicode_str,
 
46
           _uni_to_utf8=_unicode_to_utf8_map,
 
47
           _utf8_to_uni=_utf8_to_unicode_map,
 
48
           _utf8_encode=_utf8_encode):
 
49
    """Take this unicode revision id, and get a unicode version"""
 
50
    # If the key is in the cache try/KeyError is 50% faster than
 
51
    # val = dict.get(key), if val is None:
 
52
    # On jam's machine the difference is 
 
53
    # try/KeyError:  900ms 
 
54
    #      if None: 1250ms 
 
55
    # Since these are primarily used when iterating over a knit entry
 
56
    # *most* of the time the key will already be in the cache, so use the
 
57
    # fast path
 
58
    try:
 
59
        return _uni_to_utf8[unicode_str]
 
60
    except KeyError:
 
61
        _uni_to_utf8[unicode_str] = utf8_str = _utf8_encode(unicode_str)[0]
 
62
        _utf8_to_uni[utf8_str] = unicode_str
 
63
        return utf8_str
 
64
 
 
65
 
 
66
def decode(utf8_str,
 
67
           _uni_to_utf8=_unicode_to_utf8_map,
 
68
           _utf8_to_uni=_utf8_to_unicode_map,
 
69
           _utf8_decode=_utf8_decode):
 
70
    """Take a utf8 revision id, and decode it, but cache the result"""
 
71
    try:
 
72
        return _utf8_to_uni[utf8_str]
 
73
    except KeyError:
 
74
        unicode_str = _utf8_decode(utf8_str)[0]
 
75
        _utf8_to_uni[utf8_str] = unicode_str
 
76
        _uni_to_utf8[unicode_str] = utf8_str
 
77
        return unicode_str
 
78
 
 
79
 
 
80
def get_cached_unicode(unicode_str):
 
81
    """Return a cached version of the unicode string.
 
82
 
 
83
    This has a similar idea to that of intern() in that it tries
 
84
    to return a singleton string. Only it works for unicode strings.
 
85
    """
 
86
    # This might return the same object, or it might return the cached one
 
87
    # the decode() should just be a hash lookup, because the encode() side
 
88
    # should add the entry to the maps
 
89
    return decode(encode(unicode_str))
 
90
 
 
91
 
 
92
def get_cached_utf8(utf8_str):
 
93
    """Return a cached version of the utf-8 string.
 
94
 
 
95
    Get a cached version of this string (similar to intern()).
 
96
    At present, this will be decoded to ensure it is a utf-8 string. In the
 
97
    future this might change to simply caching the string.
 
98
    """
 
99
    return encode(decode(utf8_str))
 
100
 
 
101
 
 
102
def get_cached_ascii(ascii_str,
 
103
                     _uni_to_utf8=_unicode_to_utf8_map,
 
104
                     _utf8_to_uni=_utf8_to_unicode_map):
 
105
    """This is a string which is identical in utf-8 and unicode."""
 
106
    # We don't need to do any encoding, but we want _utf8_to_uni to return a
 
107
    # real Unicode string. Unicode and plain strings of this type will have the
 
108
    # same hash, so we can just use it as the key in _uni_to_utf8, but we need
 
109
    # the return value to be different in _utf8_to_uni
 
110
    ascii_str = _uni_to_utf8.setdefault(ascii_str, ascii_str)
 
111
    _utf8_to_uni.setdefault(ascii_str, unicode(ascii_str))
 
112
    return ascii_str
 
113
 
 
114
 
 
115
def clear_encoding_cache():
 
116
    """Clear the encoding and decoding caches"""
 
117
    _unicode_to_utf8_map.clear()
 
118
    _utf8_to_unicode_map.clear()