# エンコーディング処理設定
# @requirements REQ-VISIT-003, REQ-VISIT-003-01, REQ-VISIT-003-02
# @design DES-VISIT-003
# @version 1.11.0

# サポートするエンコーディング
supported_encodings:
  - utf-8
  - shift_jis
  - euc-jp
  - iso-2022-jp
  - windows-31j

# エンコーディング検出優先順位
detection_priority:
  - content-type      # HTTP Content-Typeヘッダー
  - meta-charset      # HTML meta charset
  - bom               # BOM (Byte Order Mark)
  - heuristic         # ヒューリスティック検出

# 文字化けパターン定義
mojibake_patterns:
  # Shift_JIS → UTF-8 誤変換パターン
  shift_jis_as_utf8:
    patterns:
      - "縺"
      - "譁"
      - "繧"
      - "繝"
      - "蜀"
    suggested_encoding: shift_jis
    description: "Shift_JISをUTF-8として誤解釈した場合のパターン"
  
  # EUC-JP → UTF-8 誤変換パターン
  euc_jp_as_utf8:
    patterns:
      - "ʸ"
      - "ɽ"
    suggested_encoding: euc-jp
    description: "EUC-JPをUTF-8として誤解釈した場合のパターン"
  
  # UTF-8 → Latin1 誤変換パターン
  utf8_as_latin1:
    patterns:
      - "ã€"
      - "ã‚"
      - "ã"
    suggested_encoding: utf-8
    description: "UTF-8をLatin1として誤解釈した場合のパターン"
  
  # 置換文字（変換失敗の兆候）
  replacement:
    patterns:
      - "�"
      - "\uFFFD"
    suggested_encoding: shift_jis  # 日本語サイトではShift_JISが多い
    description: "エンコーディング変換失敗による置換文字"

# BOMマッピング
bom_map:
  "\xEF\xBB\xBF": utf-8
  "\xFE\xFF": utf-8      # UTF-16BE (UTF-8として扱う)
  "\xFF\xFE": utf-8      # UTF-16LE (UTF-8として扱う)

# Content-Type charsetマッピング
charset_aliases:
  # UTF-8
  utf-8: utf-8
  utf8: utf-8
  
  # Shift_JIS
  shift_jis: shift_jis
  shift-jis: shift_jis
  sjis: shift_jis
  x-sjis: shift_jis
  
  # Windows-31J (CP932)
  windows-31j: windows-31j
  cp932: windows-31j
  ms932: windows-31j
  
  # EUC-JP
  euc-jp: euc-jp
  eucjp: euc-jp
  x-euc-jp: euc-jp
  
  # ISO-2022-JP
  iso-2022-jp: iso-2022-jp
  jis: iso-2022-jp

# デフォルト設定
defaults:
  fallback_encoding: utf-8
  enable_mojibake_detection: true
  enable_auto_conversion: true
  timeout_ms: 5000
  verbose_logging: false

# ヒューリスティック検出設定
heuristic:
  # 日本語文字範囲
  japanese_ranges:
    hiragana: [0x3040, 0x309F]
    katakana: [0x30A0, 0x30FF]
    kanji: [0x4E00, 0x9FFF]
  
  # 検出に必要な日本語文字の最小割合
  min_japanese_ratio: 0.1
  
  # サンプルサイズ（バイト）
  sample_size: 4096