abclinuxu.cz AbcLinuxu.cz itbiz.cz ITBiz.cz HDmag.cz HDmag.cz abcprace.cz AbcPráce.cz
AbcLinuxu hledá autory!
Inzerujte na AbcPráce.cz od 950 Kč
Rozšířené hledání
×

dnes 14:33 | Zajímavý projekt

Blender Animation Studio zveřejnilo první epizodu z připravovaného animovaného seriálu The Daily Dweebs o domácím mazlíčkovi jménem Dixey. Ke zhlédnutí také ve 3D s rozlišením 8K.

Ladislav Hagara | Komentářů: 0
dnes 12:34 | Komunita

Aktualizovanou počítačovou hru Warhammer 40,000: Dawn of War III v ceně 39,99 eur běžící také na Linuxu lze o víkendu na Steamu hrát zdarma a případně ještě v pondělí koupit s 50% slevou. Do soboty 19:00 lze na Humble Bundle získat zdarma Steam klíč k počítačové hře Sid Meier's Civilization® III v ceně 4,99 eur běžící také ve Wine.

Ladislav Hagara | Komentářů: 0
dnes 00:22 | Nasazení Linuxu

Společnost Samsung oznámila, že skrze dokovací stanici DeX a aplikaci Linux on Galaxy bude možno na Samsung Galaxy S8 a S8+ a Galaxy Note 8 provozovat Linux. Distribuce nebyly blíže upřesněny.

Phantom Alien | Komentářů: 9
včera 23:55 | Komunita

Společnost Purism na svém blogu oznámila, že její notebooky Librem jsou nově dodávány se zrušeným (neutralized and disabled) Intel Management Engine (ME). Aktualizací corebootu na již prodaných noteboocích lze Management Engine také zrušit. Více v podrobném článku.

Ladislav Hagara | Komentářů: 0
včera 21:44 | Nová verze

Organizace Apache Software Foundation (ASF) na svém blogu slaví páté výročí kancelářského balíku Apache OpenOffice jako jejího Top-Level projektu. Při této příležitosti byl vydán Apache OpenOffice 4.1.4 (AOO 4.1.4). Podrobnosti v poznámkách k vydání. Dlouhé čekání na novou verzi tak skončilo.

Ladislav Hagara | Komentářů: 6
včera 19:22 | Pozvánky

Již příští týden - 26. a 27. října se v Praze v hotelu Olšanka odehraje OpenWRT Summit. Na webu konference naleznete program a možnost zakoupení lístků - ty stojí 55 dolarů. Čtvrtek bude přednáškový a v pátek se budou odehrávat převážně workshopy a meetingy.

Miška | Komentářů: 1
včera 13:44 | Nová verze

Bylo vydáno Ubuntu 17.10 s kódovým názvem Artful Aardvark. Ke stažení jsou Ubuntu Desktop a Server, Ubuntu Cloud Images, Ubuntu Netboot, Kubuntu, Lubuntu a Lubuntu Alternate, Lubuntu Next, Ubuntu Budgie, Ubuntu Kylin, Ubuntu MATE, Ubuntu Studio a Xubuntu. Podrobnosti v poznámkách k vydání.

Ladislav Hagara | Komentářů: 22
včera 13:00 | Komunita

MojeFedora.cz informuje, že Fedora 27 dostane podporu pro AAC. Podpora multimediálních formátů je ve výchozí instalaci Fedory tradičně limitovaná kvůli softwarovým patentům, ale desktopový tým Red Hatu se ji i tak snaží v poslední době co nejvíce rozšířit. Už nějaký čas obsahuje kodeky pro MP3, H.264, AC3 a nyní byl přidán také kodek pro další velmi rozšířený zvukový formát – AAC.

Ladislav Hagara | Komentářů: 2
18.10. 23:55 | Pozvánky

Spolek OpenAlt zve příznivce otevřených technologií a otevřeného přístupu na 145. brněnský sraz, který proběhne v pátek 20. října od 18:00 hodin v restauraci Time Out na adrese Novoměstská 2 v Řečkovicích. Jedná se o poslední sraz před konferencí OpenAlt 2017, jež proběhne o víkendu 4. a 5. listopadu 2017 na FIT VUT v Brně. Běží registrace účastníků.

Ladislav Hagara | Komentářů: 0
18.10. 21:44 | Nová verze

Byla vydána verze 5.2.0 multiplatformního virtualizačního nástroje Oracle VM VirtualBox. Jedná se o první stabilní verzi z nové větve 5.2. Z novinek lze zmínit například možnost exportování VM do Oracle Cloudu, bezobslužnou instalaci hostovaného systému nebo vylepšené GUI. Podrobnosti v seznamu změn. Aktualizována byla také dokumentace.

Ladislav Hagara | Komentářů: 2
Jak se vás potenciálně dotkne trend odstraňování analogového audio konektoru typu 3,5mm jack z „chytrých telefonů“?
 (11%)
 (1%)
 (1%)
 (1%)
 (73%)
 (13%)
Celkem 135 hlasů
 Komentářů: 7, poslední včera 23:06
    Rozcestník

    Dotaz: Převod UTF-8 do UNICODE v C

    tomes.io avatar 2.3.2012 19:48 tomes.io | skóre: 12 | blog: tomesh
    Převod UTF-8 do UNICODE v C
    Přečteno: 1325×
    Zdravim,

    resim problem v C tykajici se prevodu kodovani. Na vstupu predpokladam korektni HEX znak v UTF-8 kodovani v rozsahu 1-4 bajty. Vystupem pak ma byt tento znak prevedeny do HEX unicode. Vychazim z informaci na wiki (ale i jinde) o UTF-8 kodovani. Napsal jsem nasledujici fci vyuzivajici bitove masky (x je ze scanf("%X", &x) ktere se posle jako vstup do fce:

    unsigned int convUnicode(int x) {

    unsigned int y = 0, m = 0, n = 0;

    m = y = n = x;

    x = (x & 0x7000000);

    x = x >> 6;

    n = (n & 0xF0000);

    n = n >> 4;

    m = (m & 0x3F00);

    m = m >> 2;

    y = (y & 0x003F);

    x = x | y | m | n;

    printf("0x%X\n", x);

    return 0; }

    Problem je ten, ze u jednobitovych znaku mi fce na outputu dava korektne jen cisla 1-39- 40 vypise jako 0x0, 41 jako 0x1 atd. az do 80. 80 vypise jako 0x0, 81 jako 0x1... proste to jakoby funguje jen po cislo 39 ap ka to jede od znovu. VIcebitove vstupy jsem zatim netestoval moc, dosud se zdaji byt korektni, ale musim to testovat na vetsi skale cisel.

    Opravdu by me zajimalo, v cem delam chybu. S praci na bitove urovni mam v C opravdu minimalni zkusenosti, takze by me zajimalo, co a jak delam blbe. Idealne, kdyby mi nekdo poradil, nebo apson navedl na zpusob korektni implemntace. Nechci aby to nekdo vyresil za me, jen chci nakopnout.

    Řešení dotazu:


    Odpovědi

    tomes.io avatar 2.3.2012 20:00 tomes.io | skóre: 12 | blog: tomesh
    Rozbalit Rozbalit vše Re: Převod UTF-8 do UNICODE v C
    Tak jsem si vsiml chybky, na wikinach o UTF-8 kodovani pisou o 007F... atd. a ja mam 003F..

    Unicode kód od - do Binární zápis znaku v UTF-8 0000 0000 - 0000 007F 0xxxxxxx 0000 0080 - 0000 07FF 110xxxxx 10xxxxxx 0000 0800 - 0000 FFFF 1110xxxx 10xxxxxx 10xxxxxx 0001 0000 - 001F FFFF 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

    Nicmene, i po uprave masek na 007F se mi HEX korektne vypisuje jen do vstupu 79 (= 0x79). 80 uz koduje jako 0x0.. :( Je jasne, ze do 127 se jedna porad o ASCII, ale jak to namaskovat, aby tam byla ta implementace UTF-8 do UNICODE?
    2.3.2012 20:32 Kit
    Rozbalit Rozbalit vše Re: Převod UTF-8 do UNICODE v C
    Máš to nějaké zmatené.
    • Co je to jednobitový znak?
    • Proč to neděláš klasicky odčítáním nebo rychle přes mapu?
    • Co je to HEX znak v UTF-8 kodovani v rozsahu 1-4 bajty? UTF-8 může být na 1-6 bytech, když to bude HEX, tak 2-12 bytů
    • Co si představuješ pod pojmem "Vícebitové vstupy?" Všechny znaky v UTF-8 jsou vícebitové
    • Proč ty proměnné posouváš po 2 bitech?
    • Proč na výpis programu nepoužíváš <pre>, aby se to dalo číst?
    tomes.io avatar 2.3.2012 20:49 tomes.io | skóre: 12 | blog: tomesh
    Rozbalit Rozbalit vše Re: Převod UTF-8 do UNICODE v C
    ad 1) 1 bitovy znak: myslel jsem 1 bajtový znak. napriklad cislo 68.

    ad 2) psal jsem, ze na bitove urovni jsem nikdy neprogramoval, je to pro me spanelska vesnice, bohuzel jsme tento priklad dostali za domaci ukol. nevedel jsem vubec, od ceho se odpichnout, takze nevim, jak se to dela "klasicky" odcitanim (co se od ceho odcita?), nikdo me neucil zadny rychly zpusob pres mapu, nas postavili ve skole pred hotovou vec...(zadani znelo: Vašou úlohou je napísať program, ktorý číta hexadecimálne kódy znakov UTF-8 zo štandardného vstupu. do hodnoty znaku v Unicode tabuľke. prvé číslo v dekadickom formáte, určuje počet nasledovných čísiel, číslo bude vždy validný UTF-8 kód)

    ad 3) - na vstupu se predpoklada UTF-8 znak v hexadecimalnim tvaru

    ad 4) myslel jsem vicebajtove, spatne jsem to napsal

    ad5) myslel jsem, ze kdyz se treba 2 bajtove cislo pomoci masky "oreze" tak je treba ho oṕosunout o orezany pocet bitu. jak rikam, jsem v tomto novacek a jak vidis, hodne v tom plavu, takze experimentuju a zkousim...ten posuv pri dekoduje korektne nektere znaky (napr pri vstupu CAAC mi korektne vypise vystup 2AC)

    ad6) protoze jsem debil :) odted budu pouzivat
    2.3.2012 20:41 Vlk
    Rozbalit Rozbalit vše Re: Převod UTF-8 do UNICODE v C
    Domácí úkol do úvodu v Cčku na Fakultě informatiky MU ? :-)
    2.3.2012 20:49 Jan Trávníček | skóre: 10 | blog: ehonza | Existuje
    Rozbalit Rozbalit vše Re: Převod UTF-8 do UNICODE v C
    Nebo na FIT CVUT?
    To mess up a Linux box, you need to work at it; to mess up your Windows box, you just have to work on it.
    tomes.io avatar 2.3.2012 20:50 tomes.io | skóre: 12 | blog: tomesh
    Rozbalit Rozbalit vše Re: Převod UTF-8 do UNICODE v C
    Ano :) vzhledem k tomu, ze jsem nezastihnul studentskeo poradce, zkousim se ptat tady. Potrebuju nakopnout, tohle bitovep ocitani je pro me neco uplne novyho..
    2.3.2012 20:47 lertimir | skóre: 60 | blog: Par_slov
    Rozbalit Rozbalit vše Re: Převod UTF-8 do UNICODE v C
    tomes.io avatar 2.3.2012 21:26 tomes.io | skóre: 12 | blog: tomesh
    Rozbalit Rozbalit vše Re: Převod UTF-8 do UNICODE v C
    JA se nesnazim nic vynalezt to chran Buddha :)

    Jen je tohle pro me absolutne nove, takze se snazim prijit na to, co s tim. Jak vytvorit spravne masky, jak je pouzit. Nikdy predtim jsem to nedelal, to je jako kdyz posadis cloveka ktery sely zivot ridil v superbu do lady nivy...

    Rekli nam, ze vse potrebne najdem na wiki, nebo googlu. OK, mam tady tu tabulku:
    U-00000000 – U-0000007F: 	0xxxxxxx
    U-00000080 – U-000007FF: 	110xxxxx 10xxxxxx
    U-00000800 – U-0000FFFF: 	1110xxxx 10xxxxxx 10xxxxxx
    U-00010000 – U-001FFFFF: 	11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
    U-00200000 – U-03FFFFFF: 	111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
    U-04000000 – U-7FFFFFFF: 	1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxx
    Nerudovska otazka, co s ni? 0 - 7F to je prvnich 127, tedy ASCII. Otazka zni: uzit nejakou masku?

    U-00000080 – U-000007FF:. Tak a ted jak zprvniho bajtu oriznout 110 a z druheho 10?

    Kdyz pouziju:
    scanf("%X", &x);
    
    x = (x & 0x7FF);
    
    printf("0x%X\n", x);
    Tak se zda, ze to dekoduje v pohode.

    Ale v pripade 3 bajtoveho (U-00000800 – U-0000FFFF) znaku to uz nedekoduje v pohode:
    x = (x & 0xFFFF);
    Takze ja proste nevim jak spravne vyuzit tu tabulku z wiki a dalsich odkazu, nevim jak to spravne namaskovat.

    Mozna by to slo postupnym rozlozenim cisla na jednotlive bajty a ty pak orezat. Ale nevim, jak se takovy rozklad v C implementuje...
    2.3.2012 21:34 l4m4
    Rozbalit Rozbalit vše Re: Převod UTF-8 do UNICODE v C
    Tak a ted jak zprvniho bajtu oriznout 110 a z druheho 10?
    Musíš oříznout ty správné bity, použít opererátory bitového posunu << a >>, abys je posunul, kam patří ve výsledném bajtu, a zkombinovat výsledek pomocí |.

    P.S.: Převod UTF-8 do UNICODE nedává smysl. UTF-8 je representace Unicode, takže co je v UTF-8, to už je v Unicode.
    tomes.io avatar 3.3.2012 21:56 tomes.io | skóre: 12 | blog: tomesh
    Rozbalit Rozbalit vše Re: Převod UTF-8 do UNICODE v C
    Tak jsem to vyresil takto. Snad jsem pokryl vsechny moznosti pro 1-4 bajtove vstupy:
     if (x <= 0x7F){ //testuje zda je znak 1 bajtovy ANSII
    
            printf("0x%X\n", x);
    
          }  else if ((x > 0x7F) && (x <= 0xBF)) { //testuje zda je znak jednobajtovy, s hodnotou vyssi nez ANSII
    
                    x = (x & 0x003f);
    
                    printf("0x%X\n", x);
    
          } else if ((x > 0xBF) && (x <= 0xDFBF)){  //testuje dvoubajtove znaky
    
                   x = ((x & 0x1f00) >> 2) | (x & 0x003f);
    
                   printf("0x%X\n", x);
    
          } else if ( (x > 0xDFBF) && (x <= 0xEFBFBF)) { //testuje tribajtove znaky
    
                   x = (((x & 0xF0000) >> 4) | ((x & 0x3f00) >>2) | (x & 0x003f));
    
                   printf("0x%X\n", x);
    
          } else if ((x > 0xEFBFBF) && (x <= 0xF7BFBFBF )){  //testuje ctyrbajtove znaky
    
                    x = ( ((x & 0x7000000) >> 6) | ((x & 0x3f0000) >> 4) | ((x & 0x3f00) >>2) | (x & 0x003f));
    
                   printf("0x%X\n", x);
          }
    
          return 0;
     }
    Jinak UTF-8 do unicode samozreme smysl ma:
    http://www.utf8-chartable.de/
    Cely priklad je vlastne prevodnik z UTF-8 do UNICODE a z UNICODE do UTF-16.
    3.3.2012 22:12 l4m4
    Rozbalit Rozbalit vše Re: Převod UTF-8 do UNICODE v C
    Jinak UTF-8 do unicode samozreme smysl ma
    Ne, tato věta je výrazem nepochopení vztahu Unicode a UTF-8. UTF-8 můžeš převést leda do nějaké jiné representace Unicode, ale pořád bude nějak representováno.

    Tabulka bloku prvních 256 znaků má dokazovat konkrétně co?
    tomes.io avatar 3.3.2012 22:16 tomes.io | skóre: 12 | blog: tomesh
    Rozbalit Rozbalit vše Re: Převod UTF-8 do UNICODE v C
    Mozna je to blbe napsane, nebo spis malo jednoznacne. Oficialni zadani zni takto:
    Vašou úlohou je napísať program, ktorý číta hexadecimálne kódy znakov UTF-8 zo štandardného vstupu. Jednotlivé kódy dekóduje najprv do hodnoty znaku v Unicode tabuľke, následne znak opäť zakóduje podľa UTF-16.
    "dekoduje do hodnoty v UNICODE"
    3.3.2012 22:19 l4m4
    Rozbalit Rozbalit vše Re: Převod UTF-8 do UNICODE v C
    Získat z UTF-8 hodnotu znaku (codepoint) v Unicode je samozřejmě smysluplné zadání.
    tomes.io avatar 3.3.2012 22:24 tomes.io | skóre: 12 | blog: tomesh
    Rozbalit Rozbalit vše Re: Převod UTF-8 do UNICODE v C
    Ja to chapu tak, ze tu mame sadu znaku UNICODE, ktera se da ruzne kodovat. UTF-8 i UTF-16 jsou ruzne druhy kodovani teze sady UNICODE. Takze nevim, v cem je problem :) Maximalne, v tom, ze jsem to nepresne napsal,to je vsecko...
    tomes.io avatar 3.3.2012 22:12 tomes.io | skóre: 12 | blog: tomesh
    Rozbalit Rozbalit vše Re: Převod UTF-8 do UNICODE v C
    Hm tak to rozdeleni testovani jednobajtoveho je asi blbost. Staci:
     if (x <= 0xBF){ //testuje zda je znak 1 bajtovy
    
            printf("0x%X\n", x);

    Založit nové vláknoNahoru

    Tiskni Sdílej: Linkuj Jaggni to Vybrali.sme.sk Google Del.icio.us Facebook

    ISSN 1214-1267   www.czech-server.cz
    © 1999-2015 Nitemedia s. r. o. Všechna práva vyhrazena.