Administrace komentářů

Mám další problém. Jazyk C(++) nemá žádnou implicitní znakovou sadu. Jak má knihovna předávat aplikaci řetězce? Bude toto předmětem zadání?

Klasický unixový přístup je, že se jedná o kódování poplatné aktuálnímu locale. To sice na moderních distribucích Linuxu nepředstavuje problém, protože ty jedou v UTF-8, ale pokud máme myslet na přenositelnost, tak to problém je. Obzvlášť když uvážíme, že z ISDS může přijít text s prakticky libovolným Unicode znakem, ale takový uživatel ISO-8859-2 nebo cp1250 systému bude mít problém tyto znaky vůbec nějak reprezentovat. (Prakticky řečeno převod z UTF-8 XML do kódování locale v knihovně může selhat, v lepším případě bude ztrátový.) Takto se chová například glibc nebo gettext.

Novější céčkový přístup je vracet řetězce jako řetězce širokých znaků. Nicméně pro aplikaci to může znamenat extra práci při převodu do kódování locale, aby mohla uživateli informace zobrazit. Navíc to není moc používaný způsob.

Třetí možnost je vymyslet si vlastní standard, který se často objevuje v nových linuxových knihovnách – knihovna vrací char* vždy obsahující UTF-8 řetězec bez ohledu na locale. (Například libxml2 tak funguje.)

Jaký přístup by byl nejlepší? A neříkejte, že to má být konfigurovatelné ;(.

(Poznámka: Úplně stejný problém je při ladicích hlášeních knihovny, když má citovat XML. Horší je jen o to, že tady jsou všechny přístupy špatně: Když nepřevede do locale, tak na výstupu bude smetí nebo to sejme terminál. Když převede, tak se ztratí fyzická struktura XML, což kazí ladění.)