TeX Live 2008, csplain, UTF-8 a Gentoo

4.5.2009 09:34 | Přečteno: 3004× | Linux

TeX Live 2008 v Gentoo standardně pro csplain používá kódování ISO8859-2. Na internetu je je několik návodů, jak přepnout na UTF-8 – ovšem všechny předpokládají odkomentování již připravených řádků v konfiguraci, které v Gentoo jaksi nejsou. Jenže ony konfigurační soubory se různě generují a kompilují, pro neTeXaře je to magická skříňka. Po několika pokusech jsem zjistil, jak do té skříňky správně šťouchnout, aby z ní vypadlo kódování UTF-8 – snad mi v diskusi někdo poradí, jak to udělat správně, jak to celé funguje a dospějeme k nějakému patchi.

Postup ve stylu „nevím proč a nevím jak, ale funguje to“ je následující: v souboru /etc/texmf/fmtutil.d/format.csplain.cnf zakomentovat dva řádky, které tam jsou, a nahradit je jinými:

# ------------------------------------------------------------------
# $Id: format.csplain.cnf 8442 2008-05-31 23:30:56Z karl $
#csplain         pdftex -               -etex -translate-file=cp227.tcx csplain.ini
#pdfcsplain      pdftex -               -etex -translate-file=cp227.tcx csplain.ini
csplain         pdftex  -               -etex -enc csplain-utf8.ini
pdfcsplain      pdftex  -               -etex -enc csplain-utf8.ini

Pak už jen stačí spustit texmf-update (resp. konkrétně /usr/sbin/texmf-update , pronést nějaké to zaříkadlo, a je hotovo – zdrojové soubory pro csplain jsou nyní očekávány v UTF-8. Tedy alespoň trochu – písmenka s diakritikou fungují správně, třeba české uvozovky „ a “ už ne…

Otázka tedy je, zda tato úprava je vůbec správně (neměla by se konfigurace měnit spší třeba přes fmtutil-sys --edit?), druhá věc je, zda je „správně“ to, že si csplain neporadí s přímým vložením znaků jako české uvozovky, nebo zda by to měl zvládnout (v TeTeXu mi to takhle fungovalo…)

       

Komentáře

[Petr Tomášek]

A není lepší rovnou použít XeTeX a nesrat se s 8-bity?

[thingie]

No, to může mít i svoje problémy, ale vyhodit csplain je asi rozumný krok za úplně každé situace.

[Filip Jirsák]

Možná je. Jenže já tomu rozumím jako koza petrželi a netuším, co je XeTeX zase zač. Už jsem vzal na vědomí, že existují nějaké distribuce TeXu, a že TeTeX je zastaralá a mám použít TeX Live. Tak jsem to udělal. TeX používám jenom občas jako uživatel, vždycky se mi to nakonec podařilo nějak splácat, že pdftex nebo pdflatex vyrobily PDF s českým textem. Ale TeXové balíčky pro Gentoo asi ještě nejsou úplně "plug-and-play", protože když mám nastavený use flag unicode, předpokládal bych, že to bude fungovat hned po instalaci správně. A dokumentace pro csplain z roku 2000, která se týká TeTeXu mi nepřipadá úplně aktuální, abych to podle ní dokázal opravit.

No ale texlive má taky use flag xetex, tak proč nezkusit co to udělá, že…

[xkesh]

TeX používám jenom občas jako uživatel, vždycky se mi to nakonec podařilo nějak splácat, že pdftex nebo pdflatex vyrobily PDF s českým textem.

Občas používám ConTeXt (dev-texlive/texlive-context) a české texty mi to vyrábí i bez plácání.e

[Radek Miček]

XeTeX i XeLaTeX jsou součástí TeX Live. A opravdu, jak někdo píše níže, podpora UTF-8 v csplainu neznamená, že budete moci používat všechny znaky Unicode, jedná se jen o překódování. Ostatně originální TeX, na němž csplain, cslatex i babelizovaný latex staví, umí pouze 8-bitové znakové sady a podpora UTF-8 v babelu je jen jakýsi hack, který za něktěrých okolností funguje a za jiných ne.

Proto, pokud skutečně potřebujete používat Unicode znaky, doporučuji XeTeX resp. XeLaTeX. Jenom z osobní zkušenosti dodám, že v XeTeXu mi nedávno nefungovala italická korekce a nepodařilo se mi zjistit, proč tomu tak je.

[default]

Když jsem přecházel na OS X, tak jsem zároveň přešel na XeLaTeX. Jak se to instaluje a nastavuje, netuším. Pro OS X snad ani normální TeX naštěstí není. Možná přes MacPorts… Kdo ví…

No, a výsledek?

• Konečně aspoň trošku rozumný výstup v PDF. Žádný další šaškárny s nevloženými fonty a bounding boxy, který vedou někam do prdele.
• 90% skriptů a pre-procesorů pro "původní" TeX zahozeno. Veškerá údržba projektů je tak mnohem snazší.

Podle mě se na XeLaTeX (nebo XeTeX, chcete-li) přejít vyplatí. Velice zajímavá je třeba i nativní podpora OpenType, TrueType a Type1 písem v systému.

[Nicky726]

A jak vypadá zdroják xelatexového dokumentu pro sazbu v češtině? Při mém včerejším rychlopokusu si xelatex dost stěžoval.

[default]

Přílohy:

• Untitled.tex (2353 bytů)
• Untitled.pdf (33761 bytů)
• Snapshot 2009-05-04 21-55-53.tiff (125218 bytů)

V příloze je ukázka šablony. Pouze jsem použil dva systémové fonty a dopsal text. Nemám čas se s tím mazlit, takže omluv prosím jistou dávku nedotaženosti… (překlady atd.)

[Radek Miček]

IMO: měl by se použít balík polyglossia, aby to respektovalo české dělení slov a další česká typografická pravidla (např. \frenchspacing). Navíc, pokud jsem pochopil otázku, je hledáno řešení pro TeX resp. XeTeX.

Ještě bych doplnil, že zapnuté mapování fontů (Mapping=tex-text) může způsobit problémy a preferovaný způsob je psát unicodové pomlčky místo např. "--".

Chtěl bych se jen zeptat, zda-li u fontů, které to podporují, funguje italická korekce?

[default]

IMO: měl by se použít balík polyglossia, aby to respektovalo české dělení slov a další česká typografická pravidla (např. \frenchspacing). Navíc, pokud jsem pochopil otázku, je hledáno řešení pro TeX resp. XeTeX.

Ještě bych doplnil, že zapnuté mapování fontů (Mapping=tex-text) může způsobit problémy a preferovaný způsob je psát unicodové pomlčky místo např. "--".

Děkuii za poznámky. V příštím životě se na to určitě podívám.

Chtěl bych se jen zeptat, zda-li u fontů, které to podporují, funguje italická korekce?

Absolutně netuším.

[Liskni_si]

Mně tedy italická korekce funguje, nicméně u spousty fontů je mnohem menší, než u Computer Modern a Latin Modern. :(

[Nicky726]

Díky, tak se mi na to nakonec podařilo našroubovat i Linux Libertine fonty, největší práci ale dal Courier. Pochopil jsem to správně tak, že se použijí jen písma ze systému, a na tom, zda je Courier v texmf nesejde? To mi totiž nedávalo smysl, když instalace texu Courier obsahovala a text se jím ne a ne sázet.

[default]

Hele, jak jsem psal nahoře. Asi jsem to nenapsal dostatečně důrazně. O XeTeXu vím jen následující:

1. Instalace pod OS X: klikat na Next tak dlouho, dokud průvodce nezmizí.
2. Spustit TeXShop.app a v komboboxu nahoře zvolit Typset w/ XeLaTeX.
3. Začít ze šablony
4. Vše funguje out-of-the-box. Vyberu počeštělý font ve Font Booku a jeho přesný název přepíšu do zdrojáče.

Víc o tom opravdu nevím. Ty doby, kdy jsem měl čas ladit šílený makra v obskurní syntax několik týdnů, jsou naštěstí nenávratně pryč.

Takže se omlouvám. O XeLaTeXu vím, jen že se mi na OS X chová tak, jak bych od TeXu očekával. Přistupoval jsem k tomu velmi skepticky, ale teď s odstupem času musím říct, že problémy s TeXem jsem měl vždy jen na Linuxu. :-/

[Nicky726]

Oki, oki... Takže bych ještě přidal \usepackage[czech]{babel} jinak mi to negeneruje automatické názvy česky a nedělí. A \usepackage{polyglossia} bych vyřadil, protože s ním mi to prostě nedělí a stěžuje si to na neexistenci gloss-něco souboru.

[Radek Miček]

S XeLaTeXem by se měl použít balík polyglossia a ne babel. Mělo by stačit

\usepackage[czech]{polyglossia}

nebo

\usepackage{polyglossia}
\setdefaultlanguage{czech}

[Nicky726]

Dík, takhle je to OK.

[Martin Böhm]

Mám takové tušení, že UTF-8 input se nerovná 100% UTF-8 pokrytí, ale jen to, že vstup bude v UTF-8 a on si poradí s tím, co zná. Takhle mi blblo víc znaků, například některé matematické.

Udělej to jako já - napiš si skripty, které to konvertují do toho nejplainovitějš\'iho TeXu a dávej pak svůj výstup na úpravu puritánům, kteří plain vzývají (v každé komunitě se jistě takový najde :o).

PS: Uznávám, mé řešení není příliš systémové, ale víc do hloubky jsem to neměl čas zkoumat. Pokud zjistíš, jak tohle vyřešit systémově (v texlive) dej prosím vědět, třeba si najdu čas na výpomoc.

[mirec]

Ja som mal takto nedávno problémy s delením slov. Neviem prečo mi čierne skrinky texmf-update ani fmtutil-sys npomohli. Na odporúčanie jedného známeho som preinštaloval dev-texlive/texlive-langczechslovak a záhadne to začalo fungovať (toto som mal nainštalované aj pred tým a dokonca v tej istej verzii). Veľmi zaujímavé správanie "čiernej skrinky" ;)

[kozzi]

A k cemu csplain? Veci jak csplain a cslatex uz jsou tusim zastarale a nepouzivaji se.

[Filip Jirsák]

Protože ve veškeré dokumentaci o českém psaní v TeXu se píše právě o nich. Je dost možné, že dnes už se česky v TeXu má psát úplně jinak, používat jiné balíky atd. Jenže kde se to člověk dozví? Na stránkách CSTUG v návodech z roku 1997 asi ne, zdejší skupina o TeXu bohužel taky obsahuje jenom pár dotazů... Kdyby někdo znalý TeXu napsal článek o tom, jak v roce 2009 začít používat TeX, já bych si ho s chutí přečetl. Možná už není potřeba se češtinou nijak zabývat a TeX a odvozeniny sází češtinu správně a podle českých typografických pravidel rovnou, a pokud k němu přijde někdo opravdu zcela nově, ani ho nenapadne hledat nějaká česká specifika.

[CEST]

K tehle vyzve bych se rad pripojil. Mel jsem jeden dokumentik pro pdfcslatex z TeTeXu, kde fungoval skvele. Ted ho neprelozim v texlive vubec nicim (csplain, cslatex, pdfcslatex...)

[robertK]

1. nainstalujete posledni podporu cestiny do babelu (web http://www.cstug.cz/, sekce novinky)
2. prepiste \usepackage{czech} na     \usepackage[czech]{babel} \usepackage[IL2]{fontenc}
3. smazte *.aux a *.log
4. spustte latex soubor.tex
5. pokud jsou nejake chyby, tak odmazavanim sestavte minimalni soubor, ktery problem demonstruje a poslete do nejkeho diskusniho fora, treb aprimo do diskusniho fora cstexu

\documentclass{article}
\usepackage[czech]{babel}
\usepackage[IL2]{fontenc}
\usepackage[latin2]{inputenc}
\textwidth=10cm % abych lip videl ze se deli slova
\begin{document}
\def\a{Píšu česky a používám háčky a čárky. Pěkně se dělí slova.
Přepenicilínovaný. Nejneobhospodařovatelnější. }
\def\b{\a \a \a \a \a}
\b\b\b\b\b\b\b\b\b\b\b\b\b\b\b\b\b\b\b\b\b\b
\end{document}

 

[Filip Jirsák]

To je LaTeX, to opravdu funguje stále. Ale co Plain TeX nebo ConTeXt?

[robertK]

jojo, ja jsem odpovidal na ten prispevek s cslatexem,

pro cestinu v plainu nebo amsetxu jsem pozival csplain resp. upraveny csplain + amstex, ale uz jsem to dlouho nepouzil.

O contextu byl ted nejaky clanek ve zpravodaji CSTUGu, a lide kteri pouzivaji context ctou konferenci cstexu. Tak se mozna zeptat tam?

[Nicky726]

Taky bych si s chutí přečetl článek. Osobně sázím cslatexem a o xetex jsem zavadil nedávno v zápisku o fontu libertine a pak znovu, když jsem se ho neúspěšně snažil našroubovat na cslatexem překládanou práci (texlive).

[kozzi]

cslatex uz, nemusis pouzivat staci pouzit obycejny latex.

[Nicky726]

Dík, s \usepackage[czech]{babel} to funguje.

[Vlastimil Ott]

A v tomto požadované informace nejsou?

• Slidy z přednášky Jonathana Kewa: "XeTeX: TeX plus Unicode plus OpenType minus complexity" (formát PDF)
• Videozáznam přednášky, XeTeX.avi (352 MB)

[Filip Jirsák]

V tom videu nevím, videa jako zdroj informací používám jedině v případě krajní nouze. V těch slajdech možná jsou, jenže to bych nejprve někde musel zjistit, že mne nějaký XeTeX má zajímat, a naopak že už není potřeba řešit češtinu nijak extra.

Já netvrdím, že ty informace nikde nejsou, jenom mi připadá, že TeXová komunita zná postupný vývoj situace a ví, jaký je momentálně správný postup, kde o něm hledat informace. Pokud ale někdo nastupuje do rozjetého vlaku, dozví se jen, že pro češtinu potřebuje csplain a cslatex, pro ně najde spoustu návodů pro TeTeX a vedle toho se dozví, že TeTeX nepoužívat a že s csplainem a cslatexem nefunguje. Což vychází jako trochu neřešitelný problém.

Občas si v TeXu nebo LaTeXu něco jednoduchého vysázím, a používal jsem nějaké prostředí, které jsem měl léta nainstalované, občas jsem se podíval do "Typografický systém TeX" nebo "LaTeX pro začátečníky". Teď jsem si řekl dobře, nainstaluju si nejnovější prostředí, to co je teď všude doporučováno -- TeX Live. A to už s těmi knížkami není plně kompatibilní, ale v čem jsou podstatné změny jsem nikde nenašel. Připadám si, jako kdyby všude existovalo spoustu návodů a literatury o jádru 2.4, ale mezitím všichni postupně přešli na 2.6, ale o tom přechodu nebylo popsáno takřka nic.

Ale možná fakt jen blbě hledám, a až se někdy dostanu k tomu přetrpět to video budu sem moc napsat ano, to video je to pravé.

[Radek Miček]

 

uz jsou tusim zastarale a nepouzivaji se.

A jak jste na to přišel? IMO výhoda csplainu je, že texty v něm napsané mohu vysázet v roce 2000 i v roce 2009 a vypadají pořád stejně (resp. jsou nerozeznatelné) a nejsou s tím žádné problémy, což se bohužel nedá říct LaTeXu nebo XeTeXu.

 

[robertK]

cslatex uz dal neni podporovan a CSTUGem je podporovana cestina v babelul, ktera je lepsi.

http://www.cstug.cz/csbabel-prednaska.pdf

[thingie]

Pokud už se člověk dokázal smířit s tím, že celá ta csplain věc je strašný problém, tak asi jo, žádné nové v poslední době nepřibyly :)

[Václav HFechs Švirga]

TexLive v gentoo normálně používám a UTF-8 mi fungovalo okamžitě. Netvrdím že všechny, ale čeština a občas něco kolem bezproblému. Japonštinu nebo tak něco sem nepoužil . Nepamatuju si teda na žádné harakiry - žádný xetex nebo co nainstalovaný nemám. Nepamatuju si ani na žádne editace konfiguráků... snad se nepletu, je to nějaká doba.

Balíček mám

pp-text/texlive 2007-r3, dívám se že teď je aktuální verze 2008. Možná došlo k nějaké změně?

No a kompiluju dokument pomocí: cslatex případně pdfcslatex a v hlavičce dokumentu mám (házím ji sem až po begin, aby tam třeba někdo ze zoufalosti nesnažil přidat něco jiného, v domění, že jsem to vynechal.

\documentclass[11pt]{article}
\usepackage[utf8]{inputenc}
\usepackage{czech}
\usepackage{a4wide}
\usepackage{graphics}

\usepackage{epsfig}
\usepackage{setspace}
\usepackage{indentfirst}
\begin{document}

a to je celé

[Filip Jirsák]

To je ale LaTeX, tam tenhle postup opravdu funguje už dlouho beze změny. A když člověk hledá informace o Plain TeXu, najde tisíc takovýchle příkladů pro LaTeX, ale o Plain TeXu žádný...

[Václav HFechs Švirga]

Ah, to mi nedošlo, čistý Tex sem nikdy nepoužil. Tak to nevím .

[mirec]

No na 100% nefunguje, napr. varovania ktoré LaTeX vypisuje na konzolu nie sú v unicode. Na drobné poznámky typu toto či tamto treba dorobiť dávam do makra \varovanie{text} nech mi to pekne vypíše rovno pri "kompilácii" (viem, že sa to dá hodiť aj priamo do dokument, ale ja mám tendenciu na to zabudnúť aj keď je to červeným ;) ). XeLaTeX vypíše pekne text aj s unicode (občas tam hodím link na wikipediu a tam sú linky aj s diakritikou) pričom LaTeX z toho urobí nečitateľný zhluk znakov. Ešte čo som si všimol ... PDF vygenerované LaTeX-om sú zhruba 3x väčšie než tie, čo generuje XeLaTeX (áno sú tam aj fonty).

[Jirka]

Pokud chcete nativni podporu UTF-8 pro TeXLive, pak se podivejte sem:

http://bugs.gentoo.org/show_bug.cgi?id=263531

Jedna se o systemove reseni celeho problemu a vysledek je zaruceny. Pokud vam to bude fungovat, prispejte do diskuze a podporte zacleneni do Portage Tree.

[mlz]

Neexistuje, toto není řešení pro [cs]plain.

Osobně nevidím problém zdrojáky konvertovat z UTF8 do ISO-l2. Lze to udělat na mnoha různých úrovních. Používání unicode znaků vede k nejednoznačnosti, spoléhal bych se na samotný csplain,  kde \uv{text} bude fungovat správně. Nemluvím o fontech, kde různé pomlčky ani nemusí být definovány. Jinými slovy, nechť csplain dělá to, co umí - zdrojáky není problém převést do požadovaného kódování.

[Martin Böhm]

Používání unicode znaků vede k nejednoznačnosti

Použití některých unicode znaků vede k nejednoznačnosti. Na českých uvozovkách například není nic nejednoznačného. Stejně tak na (základních) řeckých písmenech, i když se třeba může stát, že se některá z nich přeloží jako \varpísmena. Unicode matematické znaky jsou povětšinou taky jednoznačné.

[mirec]

Neskúšal niekto rozbehať diakritiku s metauml / metapost?