Initial work removing PCRE from dist. Documentation needs to be updated. Related...
[users/heiko/exim.git] / doc / doc-docbook / Tidytxt
index 5e19c37f4e1370fac9f8f3e149d982ac5b2f31fc..bdec3d73f638e7fa86cccad88ac05bad38f85ae6 100755 (executable)
@@ -1,17 +1,27 @@
 #! /usr/bin/perl
 
-# $Cambridge: exim/doc/doc-docbook/Tidytxt,v 1.2 2006/02/01 11:01:01 ph10 Exp $
+# $Cambridge: exim/doc/doc-docbook/Tidytxt,v 1.3 2007/08/29 13:37:28 ph10 Exp $
 
 # Script to tidy up the output of w3m when it makes a text file. First we
 # convert sequences of blank lines into a single blank line, to get everything
 # uniform. Then we go through and insert blank lines before chapter and
 # sections, also converting chapter titles to uppercase.
 
+# We also have to do some character translation in the first pass. It seems
+# that xmlto now generates Unicode in its HTML pages. This gives three problems:
+# (1) It inserts the byte sequence C2 A0 (U+00A0) as a fixed-width space;
+# (2) It inserts a whole slew of "box drawing" characters round the heading.
+# (3) It uses U+25CF as its bullet character.
+
 @lines = <>;
 
 $lastwasblank = 0;
 foreach $line (@lines)
   {
+  $line =~ s/\x{c2}\x{a0}/ /g;
+  $line =~ s/\x{e2}\x{94}[\x{80}-\x{bf}]/-/g;
+  $line =~ s/\x{e2}\x{97}\x{8f}/*/g;
+
   if ($line =~ /^\s*$/)
     {
     $line = "" if $lastwasblank;
@@ -26,13 +36,13 @@ foreach $line (@lines)
 for ($i = 0; $i < scalar @lines; $i++)
   {
   $lines[$i] = "TABLE OF CONTENTS\n" if $lines[$i] =~ /^Table of Contents/;
-  last if $lines[$i] =~ /^1. /;
+  last if $lines[$i] =~ /^1\. /;
   }
 
 # Find start of first chapter
 
 for ($i++; $i < scalar @lines; $i++)
-  { last if $lines[$i] =~ /^1. /; }
+  { last if $lines[$i] =~ /^1\. /; }
 
 # Process the body. We can detect the starts of chapters and sections by
 # looking for preceding and following blank lines, and then matching against