Support for characters beyond BMP and below PUA

1 files changed, 258 insertions, 0 deletions

diff --git a/unidecode/x0cd.py b/unidecode/x0cd.py
new file mode 100644
index 0000000..dd6909a
--- /dev/null
+++ b/unidecode/x0cd.py
@@ -0,0 +1,258 @@
+data = (
+'cyess',    # 0x00
+'cyeng',    # 0x01
+'cyej',    # 0x02
+'cyec',    # 0x03
+'cyek',    # 0x04
+'cyet',    # 0x05
+'cyep',    # 0x06
+'cyeh',    # 0x07
+'co',    # 0x08
+'cog',    # 0x09
+'cogg',    # 0x0a
+'cogs',    # 0x0b
+'con',    # 0x0c
+'conj',    # 0x0d
+'conh',    # 0x0e
+'cod',    # 0x0f
+'col',    # 0x10
+'colg',    # 0x11
+'colm',    # 0x12
+'colb',    # 0x13
+'cols',    # 0x14
+'colt',    # 0x15
+'colp',    # 0x16
+'colh',    # 0x17
+'com',    # 0x18
+'cob',    # 0x19
+'cobs',    # 0x1a
+'cos',    # 0x1b
+'coss',    # 0x1c
+'cong',    # 0x1d
+'coj',    # 0x1e
+'coc',    # 0x1f
+'cok',    # 0x20
+'cot',    # 0x21
+'cop',    # 0x22
+'coh',    # 0x23
+'cwa',    # 0x24
+'cwag',    # 0x25
+'cwagg',    # 0x26
+'cwags',    # 0x27
+'cwan',    # 0x28
+'cwanj',    # 0x29
+'cwanh',    # 0x2a
+'cwad',    # 0x2b
+'cwal',    # 0x2c
+'cwalg',    # 0x2d
+'cwalm',    # 0x2e
+'cwalb',    # 0x2f
+'cwals',    # 0x30
+'cwalt',    # 0x31
+'cwalp',    # 0x32
+'cwalh',    # 0x33
+'cwam',    # 0x34
+'cwab',    # 0x35
+'cwabs',    # 0x36
+'cwas',    # 0x37
+'cwass',    # 0x38
+'cwang',    # 0x39
+'cwaj',    # 0x3a
+'cwac',    # 0x3b
+'cwak',    # 0x3c
+'cwat',    # 0x3d
+'cwap',    # 0x3e
+'cwah',    # 0x3f
+'cwae',    # 0x40
+'cwaeg',    # 0x41
+'cwaegg',    # 0x42
+'cwaegs',    # 0x43
+'cwaen',    # 0x44
+'cwaenj',    # 0x45
+'cwaenh',    # 0x46
+'cwaed',    # 0x47
+'cwael',    # 0x48
+'cwaelg',    # 0x49
+'cwaelm',    # 0x4a
+'cwaelb',    # 0x4b
+'cwaels',    # 0x4c
+'cwaelt',    # 0x4d
+'cwaelp',    # 0x4e
+'cwaelh',    # 0x4f
+'cwaem',    # 0x50
+'cwaeb',    # 0x51
+'cwaebs',    # 0x52
+'cwaes',    # 0x53
+'cwaess',    # 0x54
+'cwaeng',    # 0x55
+'cwaej',    # 0x56
+'cwaec',    # 0x57
+'cwaek',    # 0x58
+'cwaet',    # 0x59
+'cwaep',    # 0x5a
+'cwaeh',    # 0x5b
+'coe',    # 0x5c
+'coeg',    # 0x5d
+'coegg',    # 0x5e
+'coegs',    # 0x5f
+'coen',    # 0x60
+'coenj',    # 0x61
+'coenh',    # 0x62
+'coed',    # 0x63
+'coel',    # 0x64
+'coelg',    # 0x65
+'coelm',    # 0x66
+'coelb',    # 0x67
+'coels',    # 0x68
+'coelt',    # 0x69
+'coelp',    # 0x6a
+'coelh',    # 0x6b
+'coem',    # 0x6c
+'coeb',    # 0x6d
+'coebs',    # 0x6e
+'coes',    # 0x6f
+'coess',    # 0x70
+'coeng',    # 0x71
+'coej',    # 0x72
+'coec',    # 0x73
+'coek',    # 0x74
+'coet',    # 0x75
+'coep',    # 0x76
+'coeh',    # 0x77
+'cyo',    # 0x78
+'cyog',    # 0x79
+'cyogg',    # 0x7a
+'cyogs',    # 0x7b
+'cyon',    # 0x7c
+'cyonj',    # 0x7d
+'cyonh',    # 0x7e
+'cyod',    # 0x7f
+'cyol',    # 0x80
+'cyolg',    # 0x81
+'cyolm',    # 0x82
+'cyolb',    # 0x83
+'cyols',    # 0x84
+'cyolt',    # 0x85
+'cyolp',    # 0x86
+'cyolh',    # 0x87
+'cyom',    # 0x88
+'cyob',    # 0x89
+'cyobs',    # 0x8a
+'cyos',    # 0x8b
+'cyoss',    # 0x8c
+'cyong',    # 0x8d
+'cyoj',    # 0x8e
+'cyoc',    # 0x8f
+'cyok',    # 0x90
+'cyot',    # 0x91
+'cyop',    # 0x92
+'cyoh',    # 0x93
+'cu',    # 0x94
+'cug',    # 0x95
+'cugg',    # 0x96
+'cugs',    # 0x97
+'cun',    # 0x98
+'cunj',    # 0x99
+'cunh',    # 0x9a
+'cud',    # 0x9b
+'cul',    # 0x9c
+'culg',    # 0x9d
+'culm',    # 0x9e
+'culb',    # 0x9f
+'culs',    # 0xa0
+'cult',    # 0xa1
+'culp',    # 0xa2
+'culh',    # 0xa3
+'cum',    # 0xa4
+'cub',    # 0xa5
+'cubs',    # 0xa6
+'cus',    # 0xa7
+'cuss',    # 0xa8
+'cung',    # 0xa9
+'cuj',    # 0xaa
+'cuc',    # 0xab
+'cuk',    # 0xac
+'cut',    # 0xad
+'cup',    # 0xae
+'cuh',    # 0xaf
+'cweo',    # 0xb0
+'cweog',    # 0xb1
+'cweogg',    # 0xb2
+'cweogs',    # 0xb3
+'cweon',    # 0xb4
+'cweonj',    # 0xb5
+'cweonh',    # 0xb6
+'cweod',    # 0xb7
+'cweol',    # 0xb8
+'cweolg',    # 0xb9
+'cweolm',    # 0xba
+'cweolb',    # 0xbb
+'cweols',    # 0xbc
+'cweolt',    # 0xbd
+'cweolp',    # 0xbe
+'cweolh',    # 0xbf
+'cweom',    # 0xc0
+'cweob',    # 0xc1
+'cweobs',    # 0xc2
+'cweos',    # 0xc3
+'cweoss',    # 0xc4
+'cweong',    # 0xc5
+'cweoj',    # 0xc6
+'cweoc',    # 0xc7
+'cweok',    # 0xc8
+'cweot',    # 0xc9
+'cweop',    # 0xca
+'cweoh',    # 0xcb
+'cwe',    # 0xcc
+'cweg',    # 0xcd
+'cwegg',    # 0xce
+'cwegs',    # 0xcf
+'cwen',    # 0xd0
+'cwenj',    # 0xd1
+'cwenh',    # 0xd2
+'cwed',    # 0xd3
+'cwel',    # 0xd4
+'cwelg',    # 0xd5
+'cwelm',    # 0xd6
+'cwelb',    # 0xd7
+'cwels',    # 0xd8
+'cwelt',    # 0xd9
+'cwelp',    # 0xda
+'cwelh',    # 0xdb
+'cwem',    # 0xdc
+'cweb',    # 0xdd
+'cwebs',    # 0xde
+'cwes',    # 0xdf
+'cwess',    # 0xe0
+'cweng',    # 0xe1
+'cwej',    # 0xe2
+'cwec',    # 0xe3
+'cwek',    # 0xe4
+'cwet',    # 0xe5
+'cwep',    # 0xe6
+'cweh',    # 0xe7
+'cwi',    # 0xe8
+'cwig',    # 0xe9
+'cwigg',    # 0xea
+'cwigs',    # 0xeb
+'cwin',    # 0xec
+'cwinj',    # 0xed
+'cwinh',    # 0xee
+'cwid',    # 0xef
+'cwil',    # 0xf0
+'cwilg',    # 0xf1
+'cwilm',    # 0xf2
+'cwilb',    # 0xf3
+'cwils',    # 0xf4
+'cwilt',    # 0xf5
+'cwilp',    # 0xf6
+'cwilh',    # 0xf7
+'cwim',    # 0xf8
+'cwib',    # 0xf9
+'cwibs',    # 0xfa
+'cwis',    # 0xfb
+'cwiss',    # 0xfc
+'cwing',    # 0xfd
+'cwij',    # 0xfe
+'cwic',    # 0xff
+)