Skip to main content
removeu 2 caracteres do conteúdo
Fonte Link
JJoao
  • 5,2mil
  • 17
  • 23

Na questão UTF8, Ansi, etc convemconvém não esquecer que:
pelo menos temos que lidar com o passado, com textos legados

Provavelmente já foi dito tudo. Ainda assim, aqui vai um pouco da minha novela pessoal:

(1) Lido com textos onde coexistem várias línguas, caracteres gregos, matemáticos, cirílicos, chineses. (2) Trabalhei num dicionário PT - chinês antes do Unicode ser popular... (3) Lido com alinhamento de traduções (exemplo PT-RU).

Detesto o UTF-8. Mas ainda detesto mais

  • ... não poder escrever os caracteres pretendidos
  • ... haver trezentos encodings diferentes
  • ... haver formatos textuais que não indiquem o encoding usado.

Tenho tido que processar grandes quantidade de textos legados. E constato que:

  • embora as ferramentas tenham uma duração pequena (em 5 anos nascem, apodrecem, morrem, e ficam irrelevantes), os textos/conteúdos têm uma enorme duração.
  • ignorar os encodings usados no passado seria prescindir do passado
  • aparecem centenas de encodings diferentes (experimentem iconv -l para relembrar alguns nomes)

Já agora: Não esquecer as ferramentas ligadas a encodings (exemplo iconv, recode)!

  1. Que encodings há?

    iconv -l // 1173 alguns dos quais aliasesalias

  2. Como converto o meu texto em formato windows cirílico (WINDOWS-1251) para UTF-8 ?

    iconv -f WINDOWS-1251 -t utf8 file.txt > file-utf8.txt

  3. Como saber em que raio de encoding estará este velho file de língua PT?

    for a in iconv -l do iconv -c -f $a -t utf8 antiguidade.txt |grep -q "ção" && echo $a done

  4. E já agora, bibliotecas como a glibc têm funções como iconv permitem facilitar a exportação / importação em vários encodings (funções com análogas existem para tudo o que é linguagem)

Na questão UTF8, Ansi, etc convem não esquecer que:
pelo menos temos que lidar com o passado, com textos legados

Provavelmente já foi dito tudo. Ainda assim, aqui vai um pouco da minha novela pessoal:

(1) Lido com textos onde coexistem várias línguas, caracteres gregos, matemáticos, cirílicos, chineses. (2) Trabalhei num dicionário PT - chinês antes do Unicode ser popular... (3) Lido com alinhamento de traduções (exemplo PT-RU).

Detesto o UTF-8. Mas ainda detesto mais

  • ... não poder escrever os caracteres pretendidos
  • ... haver trezentos encodings diferentes
  • ... haver formatos textuais que não indiquem o encoding usado.

Tenho tido que processar grandes quantidade de textos legados. E constato que:

  • embora as ferramentas tenham uma duração pequena (em 5 anos nascem, apodrecem, morrem, e ficam irrelevantes), os textos/conteúdos têm uma enorme duração.
  • ignorar os encodings usados no passado seria prescindir do passado
  • aparecem centenas de encodings diferentes (experimentem iconv -l para relembrar alguns nomes)

Já agora: Não esquecer as ferramentas ligadas a encodings (exemplo iconv, recode)!

  1. Que encodings há?

    iconv -l // 1173 alguns dos quais aliases

  2. Como converto o meu texto em formato windows cirílico (WINDOWS-1251) para UTF-8 ?

    iconv -f WINDOWS-1251 -t utf8 file.txt > file-utf8.txt

  3. Como saber em que raio de encoding estará este velho file de língua PT?

    for a in iconv -l do iconv -c -f $a -t utf8 antiguidade.txt |grep -q "ção" && echo $a done

  4. E já agora, bibliotecas como a glibc têm funções como iconv permitem facilitar a exportação / importação em vários encodings (funções com análogas existem para tudo o que é linguagem)

Na questão UTF8, Ansi, etc convém não esquecer que:
pelo menos temos que lidar com o passado, com textos legados

Provavelmente já foi dito tudo. Ainda assim, aqui vai um pouco da minha novela pessoal:

(1) Lido com textos onde coexistem várias línguas, caracteres gregos, matemáticos, cirílicos, chineses. (2) Trabalhei num dicionário PT - chinês antes do Unicode ser popular... (3) Lido com alinhamento de traduções (exemplo PT-RU).

Detesto o UTF-8. Mas ainda detesto mais

  • ... não poder escrever os caracteres pretendidos
  • ... haver trezentos encodings diferentes
  • ... haver formatos textuais que não indiquem o encoding usado.

Tenho tido que processar grandes quantidade de textos legados. E constato que:

  • embora as ferramentas tenham uma duração pequena (em 5 anos nascem, apodrecem, morrem, e ficam irrelevantes), os textos/conteúdos têm uma enorme duração.
  • ignorar os encodings usados no passado seria prescindir do passado
  • aparecem centenas de encodings diferentes (experimentem iconv -l para relembrar alguns nomes)

Já agora: Não esquecer as ferramentas ligadas a encodings (exemplo iconv, recode)!

  1. Que encodings há?

    iconv -l // 1173 alguns dos quais alias

  2. Como converto o meu texto em formato windows cirílico (WINDOWS-1251) para UTF-8 ?

    iconv -f WINDOWS-1251 -t utf8 file.txt > file-utf8.txt

  3. Como saber em que raio de encoding estará este velho file de língua PT?

    for a in iconv -l do iconv -c -f $a -t utf8 antiguidade.txt |grep -q "ção" && echo $a done

  4. E já agora, bibliotecas como a glibc têm funções como iconv permitem facilitar a exportação / importação em vários encodings (funções com análogas existem para tudo o que é linguagem)

adicionou 190 caracteres ao conteúdo
Fonte Link
JJoao
  • 5,2mil
  • 17
  • 23

Na questão UTF8, Ansi, etc convem não esquecer que:
pelo menos temos que lidar com o passado, com textos legados

Provavelmente já foi dito tudo. Ainda assim, aqui vai um pouco da minha novela pessoal:

(1) Lido com textos onde coexistem várias línguas, caracteres gregos, matemáticos, cirílicos, chineses. (2) Trabalhei num dicionário PT - chinês antes do Unicode ser popular... (3) Lido com alinhamento de traduções (exemplo PT-RU).

Detesto o UTF-8. Mas ainda detesto mais

  • ... não poder escrever os caracteres pretendidos
  • ... haver trezentos encodings diferentes
  • ... haver formatos textuais que não indiquem o encoding usado.

Tenho tido que processar grandes quantidade de textos legados. E constato que:

  • embora as ferramentas tenham uma duração pequena (em 5 anos nascem, apodrecem, morrem, e ficam irrelevantes), os textos/conteúdos têm uma enorme duração.
  • ignorar os encodings usados no passado seria prescindir do passado
  • aparecem centenas de encodings diferentes (experimentem iconv -l para relembrar alguns nomes)

Já agora: Não esquecer as ferramentas ligadas a encodings (exemplo iconv, recode)!

  1. Que encodings há?

    iconv -l // 1173 alguns dos quais aliases

  2. Como converto o meu texto em formato windows cirílico (WINDOWS-1251) para UTF-8 ?

    iconv -f WINDOWS-1251 -t utf8 file.txt > file-utf8.txt

  3. Como saber em que raio de encoding estará este velho file de língua PT?

    for a in iconv -l do iconv -c -f $a -t utf8 antiguidade.txt |grep -q "ção" && echo $a done

  4. E já agora, bibliotecas como a glibc têm funções como iconv permitem facilitar a exportação / importação em vários encodings (funções com análogas existem para tudo o que é linguagem)

Na questão UTF8, Ansi, etc convem não esquecer que:
pelo menos temos que lidar com o passado, com textos legados

Provavelmente já foi dito tudo. Ainda assim, aqui vai um pouco da minha novela pessoal:

(1) Lido com textos onde coexistem várias línguas, caracteres gregos, matemáticos, cirílicos, chineses. (2) Trabalhei num dicionário PT - chinês antes do Unicode ser popular... (3) Lido com alinhamento de traduções (exemplo PT-RU).

Detesto o UTF-8. Mas ainda detesto mais

  • ... não poder escrever os caracteres pretendidos
  • ... haver trezentos encodings diferentes
  • ... haver formatos textuais que não indiquem o encoding usado.

Tenho tido que processar grandes quantidade de textos legados. E constato que:

  • embora as ferramentas tenham uma duração pequena (em 5 anos nascem, apodrecem, morrem, e ficam irrelevantes), os textos/conteúdos têm uma enorme duração.
  • ignorar os encodings usados no passado seria prescindir do passado
  • aparecem centenas de encodings diferentes (experimentem iconv -l para relembrar alguns nomes)

Já agora: Não esquecer as ferramentas ligadas a encodings (exemplo iconv, recode)!

  1. Que encodings há?

    iconv -l // 1173 alguns dos quais aliases

  2. Como converto o meu texto em formato windows cirílico (WINDOWS-1251) para UTF-8 ?

    iconv -f WINDOWS-1251 -t utf8 file.txt > file-utf8.txt

  3. Como saber em que raio de encoding estará este velho file de língua PT?

    for a in iconv -l do iconv -c -f $a -t utf8 antiguidade.txt |grep -q "ção" && echo $a done

Na questão UTF8, Ansi, etc convem não esquecer que:
pelo menos temos que lidar com o passado, com textos legados

Provavelmente já foi dito tudo. Ainda assim, aqui vai um pouco da minha novela pessoal:

(1) Lido com textos onde coexistem várias línguas, caracteres gregos, matemáticos, cirílicos, chineses. (2) Trabalhei num dicionário PT - chinês antes do Unicode ser popular... (3) Lido com alinhamento de traduções (exemplo PT-RU).

Detesto o UTF-8. Mas ainda detesto mais

  • ... não poder escrever os caracteres pretendidos
  • ... haver trezentos encodings diferentes
  • ... haver formatos textuais que não indiquem o encoding usado.

Tenho tido que processar grandes quantidade de textos legados. E constato que:

  • embora as ferramentas tenham uma duração pequena (em 5 anos nascem, apodrecem, morrem, e ficam irrelevantes), os textos/conteúdos têm uma enorme duração.
  • ignorar os encodings usados no passado seria prescindir do passado
  • aparecem centenas de encodings diferentes (experimentem iconv -l para relembrar alguns nomes)

Já agora: Não esquecer as ferramentas ligadas a encodings (exemplo iconv, recode)!

  1. Que encodings há?

    iconv -l // 1173 alguns dos quais aliases

  2. Como converto o meu texto em formato windows cirílico (WINDOWS-1251) para UTF-8 ?

    iconv -f WINDOWS-1251 -t utf8 file.txt > file-utf8.txt

  3. Como saber em que raio de encoding estará este velho file de língua PT?

    for a in iconv -l do iconv -c -f $a -t utf8 antiguidade.txt |grep -q "ção" && echo $a done

  4. E já agora, bibliotecas como a glibc têm funções como iconv permitem facilitar a exportação / importação em vários encodings (funções com análogas existem para tudo o que é linguagem)

conteúdo editado
Fonte Link
JJoao
  • 5,2mil
  • 17
  • 23

Na questão UTF8, Ansi, etc convem não esquecer que:
pelo menos temos que lidar com o passado, com textos legados

Provavelmente já foi dito tudo. Ainda assim, aqui vai um pouco da minha novela pessoal:

(1) Lido com textos onde coexistem várias línguas, caracteres gregos, matemáticos, cirílicos, chineses. (2) Trabalhei num dicionário PT - chinês antes do Unicode ser popular... (3) Lido com alinhamento de traduções (exemplo PT-RU).

Detesto o UTF-8. Mas ainda detesto mais

  • ... não poder escrever os caracteres pretendidos
  • ... haver trezentos encodings diferentes
  • ... haver formatos textuais que não indiquem o encoding usado.

Tenho tido que processar grandes quantidade de textos legados. E constato que:

  • embora as ferramentas tenham uma duração pequena (em 5 anos nascem, apodrecem, morrem, e ficam irrelevantes), os textos/conteúdos têm uma enorme duração.
  • ignorar os encodings usados no passado seria prescindir do passado
  • aparecem centenas de encodings diferentes (experimentem iconv -l para relembrar alguns nomes)

Já agora: Não esquecer as ferramentas ligadas a encodings (exemplo iconv, recode)!

  1. queQue encodings há?

    iconv -l // 1173 alguns dos quais aliases

  2. comoComo converto o meu texto em formato windows cirílico (WINDOWS-1251) para UTF-8 ?

    iconv -f WINDOWS-1251 -t utf8 file.txt > file-utf8.txt

  3. comoComo saber em que raio de encoding estará este velho file de língua PT?

    for a in iconv -l do iconv -c -f $a -t utf8 antiguidade.txt |grep -q "ção" && echo $a done

Na questão UTF8, Ansi, etc convem não esquecer que:
pelo menos temos que lidar com o passado, com textos legados

Provavelmente já foi dito tudo. Ainda assim, aqui vai um pouco da minha novela pessoal:

(1) Lido com textos onde coexistem várias línguas, caracteres gregos, matemáticos, cirílicos, chineses. (2) Trabalhei num dicionário PT - chinês antes do Unicode ser popular... (3) Lido com alinhamento de traduções (exemplo PT-RU).

Detesto o UTF-8. Mas ainda detesto mais

  • ... não poder escrever os caracteres pretendidos
  • ... haver trezentos encodings diferentes
  • ... haver formatos textuais que não indiquem o encoding usado.

Tenho tido que processar grandes quantidade de textos legados. E constato que:

  • embora as ferramentas tenham uma duração pequena (em 5 anos nascem, apodrecem, morrem, e ficam irrelevantes), os textos/conteúdos têm uma enorme duração.
  • ignorar os encodings usados no passado seria prescindir do passado
  • aparecem centenas de encodings diferentes (experimentem iconv -l para relembrar alguns nomes)

Já agora: Não esquecer as ferramentas ligadas a encodings (exemplo iconv, recode)!

  1. que encodings há?

    iconv -l // 1173 alguns dos quais aliases

  2. como converto o meu texto em formato windows cirílico (WINDOWS-1251) para UTF-8 ?

    iconv -f WINDOWS-1251 -t utf8 file.txt > file-utf8.txt

  3. como saber em que raio de encoding estará este velho file de língua PT?

    for a in iconv -l do iconv -c -f $a -t utf8 antiguidade.txt |grep -q "ção" && echo $a done

Na questão UTF8, Ansi, etc convem não esquecer que:
pelo menos temos que lidar com o passado, com textos legados

Provavelmente já foi dito tudo. Ainda assim, aqui vai um pouco da minha novela pessoal:

(1) Lido com textos onde coexistem várias línguas, caracteres gregos, matemáticos, cirílicos, chineses. (2) Trabalhei num dicionário PT - chinês antes do Unicode ser popular... (3) Lido com alinhamento de traduções (exemplo PT-RU).

Detesto o UTF-8. Mas ainda detesto mais

  • ... não poder escrever os caracteres pretendidos
  • ... haver trezentos encodings diferentes
  • ... haver formatos textuais que não indiquem o encoding usado.

Tenho tido que processar grandes quantidade de textos legados. E constato que:

  • embora as ferramentas tenham uma duração pequena (em 5 anos nascem, apodrecem, morrem, e ficam irrelevantes), os textos/conteúdos têm uma enorme duração.
  • ignorar os encodings usados no passado seria prescindir do passado
  • aparecem centenas de encodings diferentes (experimentem iconv -l para relembrar alguns nomes)

Já agora: Não esquecer as ferramentas ligadas a encodings (exemplo iconv, recode)!

  1. Que encodings há?

    iconv -l // 1173 alguns dos quais aliases

  2. Como converto o meu texto em formato windows cirílico (WINDOWS-1251) para UTF-8 ?

    iconv -f WINDOWS-1251 -t utf8 file.txt > file-utf8.txt

  3. Como saber em que raio de encoding estará este velho file de língua PT?

    for a in iconv -l do iconv -c -f $a -t utf8 antiguidade.txt |grep -q "ção" && echo $a done

adicionou 71 caracteres ao conteúdo
Fonte Link
JJoao
  • 5,2mil
  • 17
  • 23
Carregando
Fonte Link
JJoao
  • 5,2mil
  • 17
  • 23
Carregando