Dotaz: spolehlive odstraneni diakritiky

[orfanix]

ahoj, potrebuju odstranit diakritiku z txt souboru v UTF-8 napriklad enca mi pri syntaxi enca -x ASCII x.txt udela z "Kouzelný meč " "Kouzelnc "

potreboval bych neco spolehliveho, abych nemusel ty spousty textu znovu procitat? zrejme to bude mezi klavesnici a zidli, ale fakt nevim. jak na to s recode, iconv, cstocs jsem teda neprisel dekuji

Odpovědi

[unchallenger]

Ohledně enca a toho, co si lidé přestavují pod -x ascii, viz Enca FAQ: why `enca -x ascii' doesn't work ;-) enca -C extern -E b-cstocs -x ascii nejspíš dělá, co chceš (vysvětelení je ve FAQ). Jo, a před chvíli jsem našel chybku při používání externích konvrtorů v rouře, takže to možná nefunguje v rouře (na soubor by to mělo být OK), oprava vyjde nejspíš za chvíli.

[orfanix]

FAQ jsem se pokousel cist. popravde, i kdyz jsem to precetl, tak jsem to stejne nepochopil. takze na text:

"Příliš žluťoučký kůň úpěl ďábelské ódy."
jsem pustil
enca -C extern -E b-cstocs -x ascii
a vysledek

"Př š žluťoučk ď lsk dy."
vysledny kodovani je
Universal transformation format 8 bits; UTF-8
Doubly-encoded to UTF-8 from KOI-8_CS_2SCII

docela bych pochopil ze vlastne nepotrebuju ASCII soubor, ze muze byt v jakemkoli kodovani, jen potrebuju odstranit hacky, carky atd.
kde jeste muzu delat chybu?

[unchallenger]

To je zajímavé, mně to totiž nomrálně funguje. Mám dva soubory, z a zz, s textem Příliš žluťoučký kůň úpěl ďábelské ódy. v jednom v ISO Latin2, v druhém v UTF-8, spustím enca -C extern -E b-cstocs -x ascii z zz a poté je v obou Prilis zlutoucky kun upel dabelske ody. Jediné možné vysvětlení je, že máš perl >= 5.8.0 a UTF-8 locales. V této kombinaci nefunguje cstocs a dělá hrozné věci (Pazdziora o tom ví, ale zatím to neumí zařídit, aby to fungovalo i s novým i se starým perlem ;-(

[unchallenger]

Poznamenal bych, že cstocs je jediný program, který umí správně odstraňovat diakritiku, takže pokud ti nejede cstocs, tak jsi namydlený. A tu chybu s chováním v rourách už jsem mezitím opravil, viz Enca-1.1

[Robert Krátký]

mozna jsem na chybu zatim pouze nenarazil, ale gnu recode mi vzdy odstranilo diakritiku take bez problemu.

[unchallenger]

To by mě hrozně zajímalo, jak to děláš. Dlouho jsem si myslel, že recode to umí, že jsem jen já tak blbej, ale nikdy jsem ho k tomu nedokázal přimět, i když jsem se na hlavu stavěl. Takže teď už si myslím, že to neumí.

[orfanix]

aha, udelal jsem chybu, ze jsem hned neuvedl muj OS
Red Hat 9
perl-5.8.0-88.3
locale default: cs_CZ.UTF-8
takze tedy tam je zakopany pes?

hm jasne, pri LANG=cs_CZ to funguje.
takze se da rict, ze pokud chci nejak "funkcne" carovat s textem, mel bych zrejme s UTF v locale pockat?

no kazdopadne diky moc za ochotu a peci

[unchallenger]

Mno, zkus napsat Pazdziorovi... Možná by mohl vydat alespoň nějakou verzi, která funguje jen s perlem >= 5.8.0, když už je tak obtížné, aby to fungovalo všude (což věřím, že je -- svoje programy v Perlu, které něco dělají s Unicode a převody znakových sad, běžně přepisuji při vydání každé nové verze Perlu ;-)

[Bzzzwaa]

Pouzil jsem s uspechem program WinDia, ktery beha dobre ve Wine. Najdes ho na http://medved.braillnet.cz/freeware.htm

[Fuck You]

Boooooooooooože - prečo tak zložito - a ešte aj pomocou wine (ako som to tu v nejakom príspevku čítal). A nestačilo by:

recode --force utf8..flat $PrevadzanyText

???

[Fuck You]

Sakra - dal som sa nachytať - otvárame 3 roky staré témy?!