Snadné vkládání Unicode znaků pod X

8.3.2007 18:51 | Přečteno: 4573× | GNU/Linux | | poslední úprava: 5.10.2007 15:32

O čem to bude

Počítače a národní abecedy, speciální znaky apod., to byl dříve opravdu problém. Různé kódové tabulky pro různé jazyky, v horším případě i více různých kódových tabulek pro jeden jazyk.

Naštěstí jsou tyto doby už pryč a Unicode vládne světu. Když jsme se zbavili – no dobře, no, tak zatím ještě tak úplně nezbavili . . . :-/ – různých kódových tabulek a můžeme si do jednoho souboru vkládat znaky jaké se nám zlíbí, objevil se jiný nečekaný problém – jak ty různé klikyháky z klávesnice efektivně vkládat?

Jak je to jinde

MS Windows mají svou klávesovou zkratku Alt + <číslo>. Na druhou stranu se mi nepodařilo zjistit, co je to vlastně za číslo. Např. si pamatuji, že Alt + 0150 je Unicode znak č. 2013, tedy půlčtverčíková pomlčka (–). Kde se ale vzalo číslo 0150 je mi záhadou. A zkratka Alt + 2013 vkládá úplně jiný znak. (Jen teď nemám možnost vyzkoušet jaký.)

MacOS X má obdobnou klávesovou zkratku – ⌘ + <číslo>. A pokud se nepletu, tak tady to číslo je skutečně unicode pozice znaku.

Pohodlné řešení pod GNU/Linuxem a dalšími Unixy

Už před nějakou dobou jsem se snažil zjistit, jak vkládat některé potřebné unicode znaky pod Linuxem, konkrétně především v GNOME, které převážně používám. Bohužel jsem nebyl úspěšný a řešil jsem to kopírováním znaků přes schránku ze starších textů či z (mimochodem vynikající) mapy znaků z GNOME sady programů.

Nedávno nám na školních strojích s Linuxem upgradovali Fedora Core na verzi 6 a všiml jsem si, že se v liště objevila nová ikonka připomínající klávesnici. Po krátkém průzkumu jsem zjistil, že se jedná o program SCIM a je to přesně to, co jsem dlouho hledal.

SCIM (Smart Common Input Method) je platforma pro vývoj a zároveň pohodlné uživatelské rozhraní pro celou řadu vstupních metod. Umožňuje tedy na počítači snadno psát texty v jazycích s jinými než jednoduchými abecedami, ale i vkládat libovolné jiné unicode znaky. Viz dále. Kdo chce vědět o projektu SCIM víc, nechť se podívá na stránky projektu. Já popíši jen použití pro mě zajímavé, žádný exotický jazyk typu Čínština či Hindština neovládám, takže problematika psaní elektronických textů v těchto jazycích je mi utajena.

SCIM – jak na to

Pominu instalaci SCIMu. Ta se liší systém od systému, obecný postup je na stránkách projektu. Jak jsem zmínil výše, ve Fedora Core 6 je pravděpodobně SCIM výchozí vstupní metoda X, pro můj SUSE Linux 10.1, který používám na domácím počítači, jsou balíčky v repositářích. Instalace byla triviální, jednoduše jsem nainstaloval balíček (respektive kolekci balíčků – vlastní SCIM + další vstupní metody) a víc jsem řešit nemusel.

Pro mé potřeby, tedy vkládání unicode znaků pomocí kódů, jsem nejdříve objevil vstupní metodu „RAW kód“. Pokud je aktivní, stačí na alfanumerické klávesnici vyťukat kód znaku a ten je nahrazen oním Unicode znakem. Chvíli mi trvalo, než jsem zjistil, proč to občas funguje a občas ne. Řešení je jednoduché, kód musí být zapsán na alfanumerické části klávesnice. Čísla z numerické části nejsou považována za kódy, ale přímo vkládána.

Ve spojení s klávesovou zkratkou pro zapínání/vypínání vstupní metody (používám zkratku Ctrl + Shift + Space, protože výchozí zkratka Ctrl + Space je v mnoha aplikacích už definována pro nějakou funkci) tedy máme identickou funkci jako na MacOS X či Windows. Respektive o chlup lepší, protože si můžeme vybrat, zda bude psát přímo pozice znaků v Unicode, nebo kódy unicode znaků v různých kováních Unicode – UTF-8, BIG5 apod.

S tímto jsem byl spokojen. Když jsem se ale díval ještě na různé další vstupní metody (např. pro východní jazyky), objevil jsem ještě něco mnohem lepšího – generické tabulky. V nich je možné definovat vstupní řetězce znaků, které budou následně nahrazeny jinou sekvencí unicode znaků. Pokud jste Vimkaři a znáte příkaz :map a jeho varianty, tak si představte obdobnou funkčnost pro všechny aplikace na úrovni X serveru. Vynikajíc, že? Člověk si nemusí pamatovat spoustu různých číselných kódů pro potřebné znaky, navíc si může definovat vlastní sekvence vkládající i složitější věci, jako např. XHTML/HTML/XML entity apod.

Screenshoty použití SCIMu v praxi hledejte na stránkách projektu.

Generická tabulka Hash-Shortcuts pro SCIM

Generickými tabulkami jsem byl nadšen a jednu jsem si pochopitelně také vyrobil. Nazývám ji „Hash-Shortcuts“, neboť všechny vstupní sekvence začínají znakem „#“. Ten jsem zvolil proto, že se při běžném psaní moc často nepoužívá, a tak může být vstupní metoda aktivována prakticky neustále bez toho, aby rušila při běžném používání klávesnice. Znaky následující za „#“ jsou pak občas inspirovány LaTeXem (např. sekvence #, vkládá zúženou mezeru, která se v LaTeXu zapisuje jako \,) nebo jsou to zkratky apod. Tuto mou tabulku v textovém formátu naleznete na konci tohoto příspěvku. Neumělou ikonku vstupní metody pak mezi obrázky.

Pro práci s generickými tabulkami slouží utilita scim-make-table. Jako základ jsem požil již existující tabulku a upravil ji. Instalace se pak dá provést přes applet SCIMu, či jednoduchým zkopírováním souboru s tabulkou do adresáře ~/<login>/.scim/user-tables/.

------ 8< ------------------------ CUT HERE ------------------------------------
SCIM_Generic_Table_Phrase_Library_TEXT
VERSION_1_0
### Begin Table definition.
BEGIN_DEFINITION
UUID = 2103c7ad-142d-44f6-98e7-d2d072c3da26
SERIAL_NUMBER = 2007030801
ICON = /home/michalr/.scim/icons/Hash-Shortcuts.png
NAME = Hash-Shortcuts
LANGUAGES = other
AUTHOR = 1024D/524CDACB Michal Růžička <ruzicka.mich (at) tiscali.cz>
STATUS_PROMPT = #
KEYBOARD_LAYOUT = Unknown
VALID_INPUT_CHARS = "#$%&',-.<>\jlpu~
### KEY_END_CHARS =
### SINGLE_WILDCARD_CHAR =
### MULTI_WILDCARD_CHAR =
### SPLIT_KEYS =
COMMIT_KEYS = Return
### FORWARD_KEYS =
SELECT_KEYS = Tab
PAGE_UP_KEYS = Page_Up
PAGE_DOWN_KEYS = Page_Down
### MODE_SWITCH_KEYS =
### FULL_WIDTH_PUNCT_KEYS =
### FULL_WIDTH_LETTER_KEYS =
MAX_KEY_LENGTH = 4
SHOW_KEY_PROMPT = TRUE
AUTO_SELECT = TRUE
AUTO_WILDCARD = TRUE
AUTO_COMMIT = TRUE
AUTO_SPLIT = TRUE
AUTO_FILL = TRUE
DISCARD_INVALID_KEY = FALSE
DYNAMIC_ADJUST = TRUE
ALWAYS_SHOW_LOOKUP = FALSE
USE_FULL_WIDTH_PUNCT = FALSE
DEF_FULL_WIDTH_PUNCT = FALSE
USE_FULL_WIDTH_LETTER = FALSE
DEF_FULL_WIDTH_LETTER = FALSE
END_DEFINITION

### Begin Table data.
BEGIN_TABLE
##	#	316
#%	‰	2
#~	 	73
#,	 	573
#-	–	704
#--	—	130
#$-	−	68
#.	…	3
#..	 . . .	9
#&"	&quot;	1
#&&	&amp;	1
#&'	&apos;	1
#&-	&ndash;	64
#&<	&lt;	253
#&>	&gt;	190
#&~	&nbsp;	190
#lu	„	575
#pu	“	323
#lju	‚	7
#pju	‘	7
END_TABLE
------ 8< ------------------------ CUT HERE ------------------------------------

       

Anketa

Anketa

Obrázky

Komentáře

[Josef Kufner]

Jen taková drobnost: '#' se používá hódně často ke psaní komentářů …

[Cohen]

To sice ano, ale v shell skriptech. A tam zas (v 99 % případů) člověk nepotřebuje ty speciální znaky. Takže když píše skript, tak vstupní metodu jednoduše vypne.

Používat nějaký šílenější znak už by zas bylo nepohodlné. Chtěl jsem nějaký rozumný kompromis mezi frekvencí používání a snadnou dostupností.

[vlasta neubauer]

použil bych znak ^. ten je na anglické klávesnici ve stejné řadě jako #, ale používá se mnohem méně.

[Cohen]

Problém je v tom, že já používám českou klávesnici. Jsem zvyklý psát česky, cestinu používám jen tam, kde je to nezbytně nutné.

Speciální znaky píšu přes Alt + <nějaký znak>. # je pohodlně dostupný jako Alt + x. ^ je na mě moc daleko a plete se mi s ostatními znaky, které jsou na horní hraně.

[Petr Mach]

Pánové, pánové, nejlepší znak je §, na české klávesnici je dostupný přímo a krásně pod malíčkem u enteru. Myslím že ho prakticky nikdo nepoužívá, a to tak moc, že o něm ani nevíte . Já ho teda používám jako leader char ve VIMu, právě jako speciální znak na input makra.

[Cohen]

No, to je nápad. „§“ je vážně tak nevyužívaný, že o něm vlastně nevím.

[Filip Jirsák]

Jenom jestli na zneužívání § není nějaký paragraf Ale díky za dobrý tip, ani nevím, proč jsem při vytváření vlastní mapy klávesnice nechal § na svém místě…

[disorder]

C-S-2013 = "–" (Gtk)

[Cohen]

No právě, Gtk. SCIM je univerzální. Funguje i v KDE či Java aplikacích. Nehledě na fakt, že zkratku Ctrl + Shift + <číslo> mi už kdysi někdo poradil a tenkrát mi na SUSE 9.3 fungovala jen v SeaMonkey.

[disorder]

vytykas Gtk nedokonalost Qt a Javy? to je huste...

[Cohen]

To rozhodně ne. Asi jsem tu větu neformuloval úplně šťastně. Šlo mi o to, že to je závislé konkrétně na Gtk. Tzn. pokud aplikace Gtk nepoužívá, tak mám smůlu. A já nepoužívám jen Gtk aplikace.

[xm]

Takového demagoga jako seš ty člověk jen tak nepotká, wow...

[disorder]

sorry, ze vnimam slova tak jak su napisane.

[Michal Karas]

SCIM určitě univerzálnější je, ale pokud člověk nepotřebuje pracovat s nějakými exotickými abecedami nebo nepotřebuje vkládat příliš velké množství speciálních znaků do textu, tak mi připadá trochu jako overkill.

[Michal Karas]

Ahoj, GNOME už poměrně dlouho umožňuje vkládat Unicode znaky tím způsobem, že držíš Ctrl a Shift a píšeš U + hexadecimální kód znaku (v Gucharmapu se to číslo zobrazuje například hned dole ve status baru).

[Cohen]

Viz vlákno výše.

[petr_p]

Nevim, jestli SCIM nebo XIM, ale jeden z nich ma uz hotove tabulky pro vkladani matematickych znacek na zpusob latexovych maker. Velmi pekna vecicka.

Jinak uz tedy plati, ze SCIM je ochotny pracovat pod jakymkoliv locale? Naposledy, kdyz jsem se o nej zajimal, tak jej pouzival k vyberu tabulek (C/J/K) a napr. s ceskym locale se odmital spustit.

[Cohen]

Nevim, jestli SCIM nebo XIM, ale jeden z nich ma uz hotove tabulky pro vkladani matematickych znacek na zpusob latexovych maker. Velmi pekna vecicka.

Ano, jmenuje se „LaTeX“ a právě tu jsem použil jako základ pro tu svou tabulku.

Jinak uz tedy plati, ze SCIM je ochotny pracovat pod jakymkoliv locale? Naposledy, kdyz jsem se o nej zajimal, tak jej pouzival k vyberu tabulek (C/J/K) a napr. s ceskym locale se odmital spustit.

Toto jsem nezkoušel. SUSE 10.1 standardně používá UTF-8 a s locale cs_CZ.UTF-8 mi bez problémů funguje.

[jiri.b]

no a jaky je rozdil proti UIM - http://uim.freedesktop.org/wiki/? toto napr. na OpenBSD mame jako balik...

[Cohen]

Přiznám se, že o UIM nic moc nevím. Pokud se ale nepletu, tak SCIM dokáže využívat i tuto knihovnu. Minimálně jsem mezi vstupními metodami viděl i některé, které měli UIM v názvu.

Jinak SCIM je také multiplatformní. Měl by asi běžet na libovolném POSIX-like systému. Dokonce jsem na jeho stránce četl, že se plánuje i verze pro Windows. Nicméně to vyžaduje schopného Windows programátora.

[l4m4]

Píšu ve vimu. Ve vimu jsou digrafy (:h digraphs). V shellu je fc. Zbývají různé divné GUI věci, ale ty stejně nemají normální mód editace, tudíž nejsou pro editaci rozsáhlejšího textu použitelné, text se napíše ve vimu a vloží.

[Cohen]

Ježiš. Člověk se vážně pořád učí. Hlavně u Vimu. O téhle funkci jsem neměl tušení. Díky za upozornění.