#!/usr/bin/env python3
"""gen_big5_table.py — 生成 Big5 双字节 → Unicode BMP 码位表（源码生成物，入仓）。

输出：core/big5_table.h 的 `static const uint16_t big5_2byte[126][190]`。

为什么这样生成（对齐 devdocs/plan/READER_ENGINE_NOTES.md §3.4 的 GB 表做法）：
  - 用 Python 内置 `big5` codec 枚举 2 字节码位（CP950/Big5 全映射）。
  - 表大小 = 126 引导字节（0x81..0xFE）× 190 尾字节 = 23,940 项 × 2B = 47,880 B。
  - 0 值 = 该 (lead,trail) 不是合法 Big5 双字节（含 trail 0x80..0xA0 区——Big5 尾字节
    只取 0x40..0x7E | 0xA1..0xFE）；解码器查表得码位，命中 0 → U+FFFD。
  - 列布局与 GB 表完全一致（idx(b) = b-0x40-(b>=0x80)，跳过 0x7F），故解码器可复用同一
    trail 列索引函数。
  - 说明（README/编码检测局限）：Big5 的双字节区间是 GB18030 双字节区间的**严格子集**，
    字节结构无法区分二者；本表用于 Big5 **显式选中时正确解码**，不用于自动检测（见 rdenc.h）。

用法：`python3 tools/gen_big5_table.py > core/big5_table.h`
（可用 env BIG5_TABLE_H 覆写输出路径。）
"""
import sys

LEADS = list(range(0x81, 0xFF))                      # 0x81..0xFE → 126 个
TRAILS = list(range(0x40, 0x7F)) + list(range(0x80, 0xFF))  # 0x40..0x7E,0x80..0xFE → 190 个

INDEX_OF = {b: i for i, b in enumerate(TRAILS)}      # 尾字节 → 列号

def build():
    g = [0] * (len(LEADS) * len(TRAILS))
    for k, lead in enumerate(LEADS):
        for j, tr in enumerate(TRAILS):
            try:
                s = bytes([lead, tr]).decode('big5')
                if len(s) == 1 and ord(s) <= 0xFFFF:
                    g[k * len(TRAILS) + j] = ord(s)
            except UnicodeDecodeError:
                pass
    return g

def emit(g):
    rows, cols = len(LEADS), len(TRAILS)
    out = sys.stdout
    out.write("/* big5_table.h — Big5 双字节 → Unicode BMP 码位表（生成物，勿手改；\n")
    out.write(" * 由 tools/gen_big5_table.py 用 python3 `big5` codec 生成）。\n")
    out.write(" * 布局：big5_2byte[lead-0x81][trail_col]；列号 idx(b)= b-0x40-(b>=0x80)；\n")
    out.write(" * 值 0 = 非法 Big5 双字节（如 trail 0x80..0xA0）；解码器输出 U+FFFD。*/\n")
    out.write("#ifndef RD_BIG5_TABLE_H\n#define RD_BIG5_TABLE_H\n\n")
    out.write("#include <stdint.h>\n\n")
    out.write("#define RD_B5_LEADS     %d\n" % rows)
    out.write("#define RD_B5_TRAILS    %d\n" % cols)
    out.write("#define RD_B5_LEAD0     0x81\n")
    out.write("#define RD_B5_TRAIL0    0x40\n\n")
    out.write("/* big5_2byte[126][190]：rdbig5_lookup(lead, trail) 返回 BMP 码位或 0。 */\n")
    out.write("static const uint16_t big5_2byte[%d][%d] = {\n" % (rows, cols))
    for k in range(rows):
        out.write("  {")
        for j in range(cols):
            v = g[k * cols + j]
            if j % 8 == 0:
                out.write("\n   " if j else "")
            out.write("0x%04X,%s" % (v, "" if j == cols - 1 else ""))
        out.write("\n  }%s\n" % ("," if k != rows - 1 else ""))
    out.write("};\n\n#endif /* RD_BIG5_TABLE_H */\n")

if __name__ == '__main__':
    emit(build())