Dotaz: encoding suborov (smb)

[jayprakash]

vyriesil som vela problemov ktore som mal v poslednych dnoch ale s tymto si uz neeviem rady.

Potrebujem aby pri prekopirovani suborov z windows share cez sambu ulozili subory ako cp1250 a nie utf-8. zatial som neprisiel na iny sposob ako kazdy subor otvori, zmenit encoding a ulozit.

dakujem za kazdy napad, ale najradsej by som nejake nastavenie samby (alebo coho sa to tyka)

Odpovědi

[Michal Marek (twofish)]

zatial som neprisiel na iny sposob ako kazdy subor otvori, zmenit encoding a ulozit.

Mění se kódování obsahu souborů? Jak to kopíruješ?

Kdysi byly nějaké pokusy automaticky konvertovat CRLF->LF na fat, ale i od toho se upustilo.

[jayprakash]

mount sietovych jednotiek cez fstab a kopirovanie cez krusader

[Michal Marek (twofish)]

A určitě jsou na Windows ty soubory v cp1250? Jestli jo a Krusader je nějak přehnaně inteligentní, tak to zkus zkopírovat něčím jiným (cp).

[jayprakash]

tty2->mc->kopirovanie

zase utf-8

jeden subor som uz na win zmenil na utf-8 na ottestovanie, ostatne su cp1250

po zkopirovani su utf-8 a okrem toho jednoho maju zhovadenu diakritiku

alebo existuje moznost ako lahko zmenit encoding ta 3000 suborov? Mozno aj vo win, kde by som to dal na utf-8. Ale aj tak by som najradsej vyriesil kopirovanie..

[Michal Marek (twofish)]

Rozbal na Windows tenhle archiv, zkopíruj diakritika*.txt na Linux a spusť

enca -L cs diakritika.*.txt

Pokud nemáš encu, tak spusť

for f in diakritika.*.txt; do echo "$f:"; xxd "$f"; done

a uvidíme, jestli se skutečně něco překódovává.

Na změnu kódování viz iconv, recode atd.

[jayprakash]

encu som si nainstaloval
rozbalil som to a ked som na pozrel vo win cez pspad tak vsetky subory mi ukazovaly utf-8
v namountovanom adresari (bez kopirovania) jay@jaykubunku:/mnt/w$ enca -L cs diakritika.*.txt
diakritika.cp1250.txt: MS-Windows code page 1250
diakritika.iso8859-2.txt: ISO 8859-2 standard; ISO Latin 2
diakritika.utf-8.txt: Universal transformation format 8 bits; UTF-8
po nakopirovani jay@jaykubunku:~/temp$ enca -L cs diakritika.*.txt
diakritika.cp1250.txt: MS-Windows code page 1250
diakritika.iso8859-2.txt: ISO 8859-2 standard; ISO Latin 2
diakritika.utf-8.txt: Universal transformation format 8 bits; UTF-8
strucne povedane, teraz tomu uz vazne nerozumiem

[Michal Marek (twofish)]

Nevím co má ukazovat PSpad (ty souboru jsou v těch třech kódováních jak ukazuje enca), ale je vidět, že při kopírování se s obsahem souborů nic neděje. Řešíš neexistující problém.

[jayprakash]

to si ma potesil :)

to som si hned mohol uvedomit ze pspad, Kate, Vim, mc, krusader a dalsie programy su absolutne neschopne, a ze som vobec asi nemal prechadzat na linux pretoze vytvara neexistujuce ptoblemy :)

moja mysel je oslobodena, dakujem

[Michal Marek (twofish)]

Není zač, příště už se nebudu obtěžovat.

[jayprakash]

len mi este prosim povedz ako moze neexistovat problem ktory je zodpovedny za moje dennodenne nadavanie?

[jayprakash]

jay@jaykubunku:/var/www/aminews/templates$ enca -L cs -g *
ami_cat.tpl: MS-Windows code page 1250
ami_dog_mini.tpl: MS-Windows code page 1250
ami_dog.tpl: MS-Windows code page 1250
ami_sand.tpl: MS-Windows code page 1250
bg_page.tpl: Unrecognized encoding
footer.tpl: 7bit ASCII characters
CRLF line terminators
form.tpl: 7bit ASCII characters
CRLF line terminators
header.tpl: 7bit ASCII characters
CRLF line terminators
header2.tpl: 7bit ASCII characters
CRLF line terminators
hlavicka.tpl: 7bit ASCII characters
CRLF line terminators
index.tpl: MS-Windows code page 1250
http://kyb.jay.cz/index.tpl.jpg prosim este mi vysvetli toto

[Petr Šobáň]

No a nemáš ten editor nějak blbě nastaven ?

Třeba aby používal jenom 7bit znaky ? Nebo špatně nastaven OS locale, špatně zvolená znaková sada, špatný font který ty znaky nezná atd.....

A když se to sečte tak to potom na obrazovce vypadá zajímavě

Co skusit jiný editor například vim ? Kterému správně nastavit v čem to má ukládat.

[Petr Šobáň]

Jinak v tom nastavení editoru máš že se to má otvírat a ukládat v tom windows kodování ?

A proč na tom obrázku máš vybráno unicode když to má taky být v tom windows kodování?

Prostě máš podle mě blbě nastavenej editor.

[jayprakash]

predpokladam snad zle ze editor by mal sam vediet v akom je to kodovani uz pri otvoreni suboru?

a este raz opakujem ze mi to tak otvaraju vsetky editory, ktore mam. To nie je problem jednoho editoru!

[jm]

PEBKAC...

[jayprakash]

nerozumiem

[jm]

Zkus Google!

[jayprakash]

hehe :)

uz je to davno co som pocu ID desat T chybu :)

lenze tuto chybu sposobuje ten kto nema chut sa ucit a len otravuje a robi blbosti.

Pred tym nez som tu otazku polozil tu som stravil 2 tyzdne hladanim v roznych nastaveniach a googloval som o 106.

Linux som si rozbehal sam a presiel som cez 4 distra. A sam som spravca stredne velkej win siete.

Chcem sa to naucit ale ak mi poviete ze to co pozadujem (teda aby bol system schopny sam zistit encoding) tak to prijmem a najdem si posob. Ale myslim si ze je blbost ze by to nevedel.

[Michal Marek (twofish)]

Jak to asi má poznat "systém" (bez informace o jazyce), když to nejsi schopen poznat sám? Proč asi napsal Yeti encu, když je to podle tebe tak triviální? Pokud chceš používat nějaké speciální kódování, tak si prostě nastav editor. Já nevím co na tom chceš ještě řešit...

[Michal Marek (twofish)]

Když je to v cp1250 a v editoru nastavíš utf-8, tak se nediv...

[jayprakash]

jezisi, zas tak blby nie som.

to je ukazka ako je hned po otvoreni suboru bez akehokolvek klikania!

[jm]

No tak si nastav v editoru kodovani na takove, v jakem je ten soubor, ne? Proc si nastavujes jako defaulni UTF-8, kdyz mas soubory ve Windows-1250?! Uff.

[jayprakash]

mam tam asi tak 3000 suborov. Nie vsetky su cp1250. Rad by som keby to dokazal automaticky detekovat.

A este raz, nemam ziaden default encoding nastaveny!

[Peter Golis]

a nie je toto zdrojom problemov? miesat kodovacie stranky a potom sa stazovat na linux.
ja osobne nepoznam operacny system ktory vie detegovat kodovu stranku z textu. kedysi boli pokusy o unicode/ansi, ale 64 kilo znakov je malo.

spomenuta enca (heuristicky detektor cp) to dokaze. keby ju ako kniznicu zacali implementovat do textovych editorov, tak by nastala doba babylonska.

[jayprakash]

skusim to este po lopate.

ked v editore (napriklad kate) vytvorim novy subor a priradim mu encoding cp1253 a ulozim. Ked ho znovu otvorim tak sa otvori v spravnom cp1253 a nie utf-8 alebo nejaky iny...

ten subor ti poslem ty si ho otvoris v nejakom inom editore a ten "nejak" vie ze to bolo ulozene ako cp1253 a zobrazi ti ho spravne.

Tak preco ked mam subor na windows serveri v cp1250 a prekopirujem ho k sebe na linux tak mi ho zrazu vsetky editory otvaraju ako utf-8? A nielen editory, aj apache ho cita ako utf-8 a zobrazi ho zle.

Ak ale system nie je schopny ukladat do subory informaciu o encodingu tak ako je mozne ze ked ten prekopirovany subor otvori a ulozim v spravnom tak si to zrazu pamata?

[Petr Šobáň]

Ještě jednou a naposledy nastav si editor před otevřením do toho kodování co je použito v tom souboru.

Proč tam je asi položka v jakém kodování se to má ukládat a otvírat, a další položka v jakém kodování se to má zobrazovat.

No a samozřejmě když windows kodování uložíš v unicode tak si tam akorát naděláš zmatky a pak se v tom ani prase nevyzná.

Jinak by mě zajímalo jak by měl nějakej editor poznat v jakým je kodování ten soubor ? Jo pokud budeš používat produkty od M$ *.doc tak tam se možná kodování ukládá.

Jak je vidět tak se vrať k windows to je pro tebe OS k použití a né aby jsi používal jiné OS.

A nebo všude používej UNICODE a budeš mít po problému. (Možná než zjistíš že existuje různý spůsob jak UNICODE ukládat UTF7 UTF8 UTF16....)

[jayprakash]

takze ak tomu spravne rozumiem tak windows si to kodovanie zapamata a linux nie...

to ma teda prekvapuje ale ok. Zostava mi uz len jedna moznost a to vsetky supory nejak rozumne prekodovat :/

[Michal Kubeček]

Žádné windows. Operačnímu systému je kódování (obsahu) souboru naprosto ukradené. Zapamatuje si ho nanejvýš konkrétní editor - a to umějí i některé linuxové.

[jayprakash]

a dakujem ze ste psychycky vydrzali mi to vysvetlit :)

[Michal Kubeček]

Jednoduše poznat kódování lze jedině tam, kde soubor tuto informaci obsahuje, např. u XML. Jinak to obecně nejde. Že vám to znovu otevře editor, ve kterém jste to minule ukládal, je dáno nejspíš tím, že si to pamatuje. Ale jinak to prostě nejde. To není problém Linuxu, Windows ani žádného jiného systému, to je problém toho, že ta informace tam není. Samozřejmě ve většině případů pomůže nějaká heuristika, ale není to stoprocentní.