git.maemo.org Git - dh-make-perl/blob - dev/arm/libhtml-parser-perl/libhtml-parser-perl-3.56/t/entities.t

   1 use HTML::Entities qw(decode_entities encode_entities encode_entities_numeric);
   2
   3 use Test::More tests => 13;
   4
   5 $a = "V&aring;re norske tegn b&oslash;r &#230res";
   6
   7 decode_entities($a);
   8
   9 is($a, "Våre norske tegn bør æres");
  10
  11 encode_entities($a);
  12
  13 is($a, "V&aring;re norske tegn b&oslash;r &aelig;res");
  14
  15 decode_entities($a);
  16 encode_entities_numeric($a);
  17
  18 is($a, "V&#xE5;re norske tegn b&#xF8;r &#xE6;res");
  19
  20 $a = "<&>\"'";
  21 is(encode_entities($a), "&lt;&amp;&gt;&quot;&#39;");
  22 is(encode_entities_numeric($a), "&#x3C;&#x26;&#x3E;&#x22;&#x27;");
  23
  24 $a = "abcdef";
  25 is(encode_entities($a, 'a-c'), "&#97;&#98;&#99;def");
  26
  27
  28 # See how well it does against rfc1866...
  29 $ent = $plain = "";
  30 while (<DATA>) {
  31     next unless /^\s*<!ENTITY\s+(\w+)\s*CDATA\s*\"&\#(\d+)/;
  32     $ent .= "&$1;";
  33     $plain .= chr($2);
  34 }
  35
  36 $a = $ent;
  37 decode_entities($a);
  38 is($a, $plain);
  39
  40 # Try decoding when the ";" are left out
  41 $a = $ent,
  42 $a =~ s/;//g;
  43 decode_entities($a);
  44 is($a, $plain);
  45
  46
  47 $a = $plain;
  48 encode_entities($a);
  49 is($a, $ent);
  50
  51
  52 # From: Bill Simpson-Young <bill.simpson-young@cmis.csiro.au>
  53 # Subject: HTML entities problem with 5.11
  54 # To: libwww-perl@ics.uci.edu
  55 # Date: Fri, 05 Sep 1997 16:56:55 +1000
  56 # Message-Id: <199709050657.QAA10089@snowy.nsw.cmis.CSIRO.AU>
  57 #
  58 # Hi. I've got a problem that has surfaced with the changes to
  59 # HTML::Entities.pm for 5.11 (it doesn't happen with 5.08).  It's happening
  60 # in the process of encoding then decoding special entities.  Eg, what goes
  61 # in as "abc&def&ghi" comes out as "abc&def;&ghi;".
  62
  63 is(decode_entities("abc&def&ghi&abc;&def;"), "abc&def&ghi&abc;&def;");
  64
  65 # Decoding of &apos;
  66 is(decode_entities("&apos;"), "'");
  67 is(encode_entities("'", "'"), "&#39;");
  68
  69 is(decode_entities("Attention Home&#959&#969n&#1257rs...1&#1109t T&#1110&#1084e E&#957&#1257&#1075"),
  70   "Attention Home\x{3BF}\x{3C9}n\x{4E9}rs...1\x{455}t T\x{456}\x{43C}e E\x{3BD}\x{4E9}\x{433}");
  71
  72 __END__
  73 # Quoted from rfc1866.txt
  74
  75 14. Proposed Entities
  76
  77    The HTML DTD references the "Added Latin 1" entity set, which only
  78    supplies named entities for a subset of the non-ASCII characters in
  79    [ISO-8859-1], namely the accented characters. The following entities
  80    should be supported so that all ISO 8859-1 characters may only be
  81    referenced symbolically. The names for these entities are taken from
  82    the appendixes of [SGML].
  83
  84     <!ENTITY nbsp   CDATA "&#160;" -- no-break space -->
  85     <!ENTITY iexcl  CDATA "&#161;" -- inverted exclamation mark -->
  86     <!ENTITY cent   CDATA "&#162;" -- cent sign -->
  87     <!ENTITY pound  CDATA "&#163;" -- pound sterling sign -->
  88     <!ENTITY curren CDATA "&#164;" -- general currency sign -->
  89     <!ENTITY yen    CDATA "&#165;" -- yen sign -->
  90     <!ENTITY brvbar CDATA "&#166;" -- broken (vertical) bar -->
  91     <!ENTITY sect   CDATA "&#167;" -- section sign -->
  92     <!ENTITY uml    CDATA "&#168;" -- umlaut (dieresis) -->
  93     <!ENTITY copy   CDATA "&#169;" -- copyright sign -->
  94     <!ENTITY ordf   CDATA "&#170;" -- ordinal indicator, feminine -->
  95     <!ENTITY laquo  CDATA "&#171;" -- angle quotation mark, left -->
  96     <!ENTITY not    CDATA "&#172;" -- not sign -->
  97     <!ENTITY shy    CDATA "&#173;" -- soft hyphen -->
  98     <!ENTITY reg    CDATA "&#174;" -- registered sign -->
  99     <!ENTITY macr   CDATA "&#175;" -- macron -->
 100     <!ENTITY deg    CDATA "&#176;" -- degree sign -->
 101     <!ENTITY plusmn CDATA "&#177;" -- plus-or-minus sign -->
 102     <!ENTITY sup2   CDATA "&#178;" -- superscript two -->
 103     <!ENTITY sup3   CDATA "&#179;" -- superscript three -->
 104     <!ENTITY acute  CDATA "&#180;" -- acute accent -->
 105     <!ENTITY micro  CDATA "&#181;" -- micro sign -->
 106     <!ENTITY para   CDATA "&#182;" -- pilcrow (paragraph sign) -->
 107     <!ENTITY middot CDATA "&#183;" -- middle dot -->
 108     <!ENTITY cedil  CDATA "&#184;" -- cedilla -->
 109     <!ENTITY sup1   CDATA "&#185;" -- superscript one -->
 110     <!ENTITY ordm   CDATA "&#186;" -- ordinal indicator, masculine -->
 111     <!ENTITY raquo  CDATA "&#187;" -- angle quotation mark, right -->
 112     <!ENTITY frac14 CDATA "&#188;" -- fraction one-quarter -->
 113     <!ENTITY frac12 CDATA "&#189;" -- fraction one-half -->
 114     <!ENTITY frac34 CDATA "&#190;" -- fraction three-quarters -->
 115     <!ENTITY iquest CDATA "&#191;" -- inverted question mark -->
 116     <!ENTITY Agrave CDATA "&#192;" -- capital A, grave accent -->
 117     <!ENTITY Aacute CDATA "&#193;" -- capital A, acute accent -->
 118     <!ENTITY Acirc  CDATA "&#194;" -- capital A, circumflex accent -->
 119
 120
 121
 122 Berners-Lee & Connolly      Standards Track                    [Page 75]
 123 \f
 124 RFC 1866            Hypertext Markup Language - 2.0        November 1995
 125
 126
 127     <!ENTITY Atilde CDATA "&#195;" -- capital A, tilde -->
 128     <!ENTITY Auml   CDATA "&#196;" -- capital A, dieresis or umlaut mark -->
 129     <!ENTITY Aring  CDATA "&#197;" -- capital A, ring -->
 130     <!ENTITY AElig  CDATA "&#198;" -- capital AE diphthong (ligature) -->
 131     <!ENTITY Ccedil CDATA "&#199;" -- capital C, cedilla -->
 132     <!ENTITY Egrave CDATA "&#200;" -- capital E, grave accent -->
 133     <!ENTITY Eacute CDATA "&#201;" -- capital E, acute accent -->
 134     <!ENTITY Ecirc  CDATA "&#202;" -- capital E, circumflex accent -->
 135     <!ENTITY Euml   CDATA "&#203;" -- capital E, dieresis or umlaut mark -->
 136     <!ENTITY Igrave CDATA "&#204;" -- capital I, grave accent -->
 137     <!ENTITY Iacute CDATA "&#205;" -- capital I, acute accent -->
 138     <!ENTITY Icirc  CDATA "&#206;" -- capital I, circumflex accent -->
 139     <!ENTITY Iuml   CDATA "&#207;" -- capital I, dieresis or umlaut mark -->
 140     <!ENTITY ETH    CDATA "&#208;" -- capital Eth, Icelandic -->
 141     <!ENTITY Ntilde CDATA "&#209;" -- capital N, tilde -->
 142     <!ENTITY Ograve CDATA "&#210;" -- capital O, grave accent -->
 143     <!ENTITY Oacute CDATA "&#211;" -- capital O, acute accent -->
 144     <!ENTITY Ocirc  CDATA "&#212;" -- capital O, circumflex accent -->
 145     <!ENTITY Otilde CDATA "&#213;" -- capital O, tilde -->
 146     <!ENTITY Ouml   CDATA "&#214;" -- capital O, dieresis or umlaut mark -->
 147     <!ENTITY times  CDATA "&#215;" -- multiply sign -->
 148     <!ENTITY Oslash CDATA "&#216;" -- capital O, slash -->
 149     <!ENTITY Ugrave CDATA "&#217;" -- capital U, grave accent -->
 150     <!ENTITY Uacute CDATA "&#218;" -- capital U, acute accent -->
 151     <!ENTITY Ucirc  CDATA "&#219;" -- capital U, circumflex accent -->
 152     <!ENTITY Uuml   CDATA "&#220;" -- capital U, dieresis or umlaut mark -->
 153     <!ENTITY Yacute CDATA "&#221;" -- capital Y, acute accent -->
 154     <!ENTITY THORN  CDATA "&#222;" -- capital THORN, Icelandic -->
 155     <!ENTITY szlig  CDATA "&#223;" -- small sharp s, German (sz ligature) -->
 156     <!ENTITY agrave CDATA "&#224;" -- small a, grave accent -->
 157     <!ENTITY aacute CDATA "&#225;" -- small a, acute accent -->
 158     <!ENTITY acirc  CDATA "&#226;" -- small a, circumflex accent -->
 159     <!ENTITY atilde CDATA "&#227;" -- small a, tilde -->
 160     <!ENTITY auml   CDATA "&#228;" -- small a, dieresis or umlaut mark -->
 161     <!ENTITY aring  CDATA "&#229;" -- small a, ring -->
 162     <!ENTITY aelig  CDATA "&#230;" -- small ae diphthong (ligature) -->
 163     <!ENTITY ccedil CDATA "&#231;" -- small c, cedilla -->
 164     <!ENTITY egrave CDATA "&#232;" -- small e, grave accent -->
 165     <!ENTITY eacute CDATA "&#233;" -- small e, acute accent -->
 166     <!ENTITY ecirc  CDATA "&#234;" -- small e, circumflex accent -->
 167     <!ENTITY euml   CDATA "&#235;" -- small e, dieresis or umlaut mark -->
 168     <!ENTITY igrave CDATA "&#236;" -- small i, grave accent -->
 169     <!ENTITY iacute CDATA "&#237;" -- small i, acute accent -->
 170     <!ENTITY icirc  CDATA "&#238;" -- small i, circumflex accent -->
 171     <!ENTITY iuml   CDATA "&#239;" -- small i, dieresis or umlaut mark -->
 172     <!ENTITY eth    CDATA "&#240;" -- small eth, Icelandic -->
 173     <!ENTITY ntilde CDATA "&#241;" -- small n, tilde -->
 174     <!ENTITY ograve CDATA "&#242;" -- small o, grave accent -->
 175
 176
 177
 178 Berners-Lee & Connolly      Standards Track                    [Page 76]
 179 \f
 180 RFC 1866            Hypertext Markup Language - 2.0        November 1995
 181
 182
 183     <!ENTITY oacute CDATA "&#243;" -- small o, acute accent -->
 184     <!ENTITY ocirc  CDATA "&#244;" -- small o, circumflex accent -->
 185     <!ENTITY otilde CDATA "&#245;" -- small o, tilde -->
 186     <!ENTITY ouml   CDATA "&#246;" -- small o, dieresis or umlaut mark -->
 187     <!ENTITY divide CDATA "&#247;" -- divide sign -->
 188     <!ENTITY oslash CDATA "&#248;" -- small o, slash -->
 189     <!ENTITY ugrave CDATA "&#249;" -- small u, grave accent -->
 190     <!ENTITY uacute CDATA "&#250;" -- small u, acute accent -->
 191     <!ENTITY ucirc  CDATA "&#251;" -- small u, circumflex accent -->
 192     <!ENTITY uuml   CDATA "&#252;" -- small u, dieresis or umlaut mark -->
 193     <!ENTITY yacute CDATA "&#253;" -- small y, acute accent -->
 194     <!ENTITY thorn  CDATA "&#254;" -- small thorn, Icelandic -->
 195     <!ENTITY yuml   CDATA "&#255;" -- small y, dieresis or umlaut mark -->