src/FlightCrew/Misc/DetermineMimetype.cpp

   1 /************************************************************************\r
   2 **\r
   3 **  Copyright (C) 2010  Strahinja Markovic\r
   4 **\r
   5 **  This file is part of FlightCrew.\r
   6 **\r
   7 **  FlightCrew is free software: you can redistribute it and/or modify\r
   8 **  it under the terms of the GNU Lesser General Public License as published\r
   9 **  by the Free Software Foundation, either version 3 of the License, or\r
  10 **  (at your option) any later version.\r
  11 **\r
  12 **  FlightCrew is distributed in the hope that it will be useful,\r
  13 **  but WITHOUT ANY WARRANTY; without even the implied warranty of\r
  14 **  MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the\r
  15 **  GNU Lesser General Public License for more details.\r
  16 **\r
  17 **  You should have received a copy of the GNU Lesser General Public License\r
  18 **  along with FlightCrew.  If not, see <http://www.gnu.org/licenses/>.\r
  19 **\r
  20 *************************************************************************/\r
  21 \r
  22 #include <stdafx.h>\r
  23 #include "DetermineMimetype.h"\r
  24 #include "Utilities.h"\r
  25 \r
  26 namespace FlightCrew\r
  27 {\r
  28 \r
  29 const std::string OEBPS_MIME   = "application/oebps-package+xml";\r
  30 const std::string XHTML_MIME   = "application/xhtml+xml";\r
  31 const std::string NCX_MIME     = "application/x-dtbncx+xml";\r
  32 const std::string PNG_MIME     = "image/png";\r
  33 const std::string GIF_MIME     = "image/gif";\r
  34 const std::string JPEG_MIME    = "image/jpeg";\r
  35 const std::string SVG_MIME     = "image/svg+xml";\r
  36 const std::string DTBOOK_MIME  = "application/x-dtbook+xml";\r
  37 const std::string CSS_MIME     = "text/css";\r
  38 const std::string XML_MIME     = "application/xml"; // used for out-of-line xml islands\r
  39 const std::string XPGT_MIME    = "application/vnd.adobe-page-template+xml";\r
  40 const std::string OTF_MIME     = "application/vnd.ms-opentype";\r
  41 \r
  42 // For the "correct" truetype font mimetype, see this link\r
  43 // http://mx.gw.com/pipermail/file/2009/000400.html\r
  44 // Apparently ISO/IEC JTC 1/SC34 are working on a new font top-level medatype. But on\r
  45 // the other hand they also recognize "application/x-font-ttf" as being the\r
  46 // experimental (read: not standardized) defacto MIME type for Truetype fonts.\r
  47 // Number of Google hits for all three possibilities:\r
  48 //    "application/x-truetype-font"   2100\r
  49 //    "application/x-font-truetype"   4100\r
  50 //    "application/x-font-ttf"       45900\r
  51 //\r
  52 // So "application/x-font-ttf" it is.\r
  53 const std::string TTF_MIME     = "application/x-font-ttf";\r
  54 const std::string OEB_DOC_MIME = "text/x-oeb1-document";\r
  55 const std::string OEB_CSS_MIME = "text/x-oeb1-css";\r
  56 \r
  57 const std::string UNKNOWN_MIME = "unknown";\r
  58 \r
  59 // It's just an arbitrary num of starting chars\r
  60 // that we search for a fingerprint. Things like\r
  61 // "<html>" should appear in this small section.\r
  62 static const uint NUM_CHARS_FOR_FINGERPRINT = 1000;\r
  63 static const boost::regex HTML_TAG_REGEX( "<\\s*html[^>]*>" );\r
  64 \r
  65 static const std::string NCX_SYSTEM_ID    = "-//NISO//DTD ncx 2005-1//EN";\r
  66 static const std::string DTBOOK_SYSTEM_ID = "-//NISO//DTD dtbook 2005-1//EN";\r
  67 \r
  68 static const boost::regex NCX_TAG_REGEX(\r
  69     "<[^>]*ncx[^>]*\"http://www.daisy.org/z3986/2005/ncx/\"[^>]*>" );\r
  70 \r
  71 static const boost::regex XPGT_TEMPLATE_REGEX(\r
  72     "<[^>]*template[^>]*\"http://ns.adobe.com/2006/ade\"[^>]*>" );\r
  73 \r
  74 static const boost::regex DTBOOK_TAG_REGEX(\r
  75     "<[^>]*dtbook[^>]*\"http://www.daisy.org/z3986/2005/dtbook/\"[^>]*>" );\r
  76 \r
  77 \r
  78 std::string MimetypeFromExtension( const fs::path &filepath )\r
  79 {\r
  80     std::string extension = Util::BoostPathToUtf8Path( filepath.extension() );\r
  81     boost::erase_first( extension, "." );\r
  82 \r
  83     if ( extension == "xhtml" ||\r
  84          extension == "html"  ||\r
  85          extension == "htm" )\r
  86     {\r
  87         // Only the xhtml mimetype is valid\r
  88         // within epub, "text/html" is not\r
  89         return XHTML_MIME;\r
  90     }\r
  91 \r
  92     if ( extension == "png" )\r
  93     \r
  94         return PNG_MIME;    \r
  95 \r
  96     if ( extension == "gif" )\r
  97     \r
  98         return GIF_MIME;    \r
  99 \r
 100     if ( extension == "jpg" ||\r
 101          extension == "jpeg" )\r
 102     {\r
 103         return JPEG_MIME;\r
 104     }\r
 105 \r
 106     if ( extension == "css" )\r
 107     \r
 108         return CSS_MIME;    \r
 109 \r
 110     if ( extension == "ncx" )\r
 111     \r
 112         return NCX_MIME;\r
 113     \r
 114     if ( extension == "svg" )\r
 115     \r
 116         return SVG_MIME;    \r
 117 \r
 118     if ( extension == "otf" )\r
 119     \r
 120         return OTF_MIME;\r
 121 \r
 122     if ( extension == "ttf" )\r
 123     \r
 124         return TTF_MIME; \r
 125         \r
 126     // We don't check for "xml" because\r
 127     // that's commonly used for several things.\r
 128 \r
 129     return UNKNOWN_MIME;\r
 130 }\r
 131 \r
 132 \r
 133 bool HasHtmlFingerprint( const std::string &contents )\r
 134 {\r
 135     return boost::regex_search( contents, HTML_TAG_REGEX );\r
 136 }\r
 137 \r
 138 \r
 139 bool HasDtbookFingerprint( const std::string &contents )\r
 140 {\r
 141     return \r
 142         boost::contains( contents, DTBOOK_SYSTEM_ID ) || \r
 143         boost::regex_search( contents, DTBOOK_TAG_REGEX );\r
 144 }\r
 145 \r
 146 \r
 147 bool HasNcxFingerprint( const std::string &contents )\r
 148 {\r
 149     return \r
 150         boost::contains( contents, NCX_SYSTEM_ID ) || \r
 151         boost::regex_search( contents, NCX_TAG_REGEX );\r
 152 }\r
 153 \r
 154 \r
 155 bool HasXpgtFingerprint( const std::string &contents )\r
 156 {\r
 157     return boost::regex_search( contents, XPGT_TEMPLATE_REGEX );\r
 158 }\r
 159 \r
 160 \r
 161 std::string GuessMimetypeFromFileContents( const fs::path &filepath )\r
 162 {\r
 163     std::string contents;\r
 164 \r
 165     try\r
 166     {\r
 167         contents = Util::ReadUnicodFile( filepath );\r
 168     }\r
 169 \r
 170     catch ( std::exception& )\r
 171     {\r
 172         return UNKNOWN_MIME;\r
 173     }    \r
 174 \r
 175     std::string contents_start = Util::GetFirstNumChars( contents, NUM_CHARS_FOR_FINGERPRINT );\r
 176 \r
 177     if ( HasHtmlFingerprint( contents_start ) )\r
 178 \r
 179         return XHTML_MIME;\r
 180 \r
 181     if ( HasNcxFingerprint( contents_start ) )\r
 182 \r
 183         return DTBOOK_MIME;\r
 184 \r
 185     if ( HasNcxFingerprint( contents_start ) )\r
 186 \r
 187         return NCX_MIME;\r
 188 \r
 189     if ( HasXpgtFingerprint( contents_start ) )\r
 190 \r
 191         return XPGT_MIME;\r
 192 \r
 193     return UNKNOWN_MIME;\r
 194 }\r
 195 \r
 196 \r
 197 std::string DetermineMimetype( const fs::path &filepath )\r
 198 {\r
 199     std::string mimetype = MimetypeFromExtension( filepath );\r
 200     \r
 201     if ( mimetype != UNKNOWN_MIME )\r
 202 \r
 203         return mimetype;\r
 204     \r
 205     return GuessMimetypeFromFileContents( filepath );\r
 206 }\r
 207 \r
 208 \r
 209 } // namespace FlightCrew\r
 210 \r