Kódování češtiny, které nejčastěji používám: (diskuse)

[Zdeněk Burda]

A kde mate ascii? Bez hacku a carek pisu nejcasteji, kdybych se nehlidal, tak budu snad mluvit v ascii.

[Begleiter]

To je potom pocitacovstina!

[unchallenger]

V\v{s}ak i v ASCII m\r{u}\v{z}eme p\v{r}ece ps\'at p\v{e}kn\v{e} \v{c}esky, ne? ;-)

[Zdeněk Burda]

na to se neda rict nic jeneho nez

[Cronin]

A v TeX-u m\^o\v zeme pou\v z\'\i vat' implicitn\'y parameter, nemus\'\i me v\v setko z\'atvorkovat'.

[unchallenger]

Kdy\v{z} j\'a nesn\'a\v{s}\'im ty mezery ve slovech, nav\'ic by nejsp\'i\v{s} bylo obt\'i\v{z}n\'e nau\v{c}it vim nel\'amat za nimi \v{r}\'adek.

[David Jež]

Nechce\v{s} to rad\v{e}ji rovnou napsat v PostScriptu ? Jinak osobn\v{e} rad\v{e}ji p\'i\v{s}i v TeXu v iso8859-2, i kdybych musel tak k psan\'i akcent\r{u} bych se nedonutil, zklouzlo by to k zlat\'e lenosti a bez hacku a carek . Ale je to dobr\'a zkou\v{s}ka p\v{r}edstavivosti -- kdo to zvl\'ad\'a \v{c}\'ist bez probl\'em\r{u} na prvn\'i pohled (\v{e}\v{s}\v{c}\v{r}\v{z}\'y\'a\'i\'e rules).
-djz

[VícNežNic]

f u cn rd tht, u cn gt a gd jb n cmptr prgrmmng.

Kdyby to jenom bylo tak jednoduché

[בוטרוס]

מה זה? השתגעת???

[VícNežNic]

Hebrejština? Nechete po mě už přeci jen moc?

Já chci Tengwar v unicode!

[Michal Marek (twofish)]

Grr, kvůli těmhle písmenkům mi Mozilla vždycky na vteřinu vytuhne

[Honey]

K čemu je ascii? Díky.

[Zdeněk Burda]

to ma byt ftip?

[Michal Marek (twofish)]

No co, kdyžtak budu za blbce:

http://en.wikipedia.org/wiki/ASCII, http://cs.wikipedia.org/wiki/ASCII.

[Honey]

No, co?
Někde se to dozvědět musim. Každý neni počítačový expert už od narození.

[unchallenger]

K údivu není to, že někdo neví, co je ASCII, ale že se někdo ptá na ASCII, když zná ISO 10646-1 a bratry Kamenické (nebo se na ně alespoň neptá).

[Jan Kundrát (jkt)]

kde je utf-8? to prece neradite pod unicode...

[unchallenger]

Unicode je znaková sada, UTF-8 je její kódování. Uvážíme-li, že všechno ostatní jsou také znakové sady, měla by asi otázka znít ,Znaková sada, kterou nejčastěji používám pro český text`...

[Jan Kundrát (jkt)]

neni nahodou treba iso-8859-2 zaroven znakova sada a zaroven kodovani?

[Michal Kubeček]

Asi takhle: všechny možnosti označují znakové sady a všechny kromě jedné označují kódování...

[Marián Oravec]

cize UTF-8 je kodovanie ?zo/pre? znakovej sady ISO 10646?

neviete kde je o tom viac popisaneho? bud EN ale najlepsie SK/CZ...

[Robert Krátký]

unicode.org...

[unchallenger]

Lze být i konkrétnější.

Vztah Unicode a ISO 10646-1: http://www.unicode.org/faq/unicode_iso.html.

Vztah mezi Unicode a UTF: http://www.unicode.org/faq/utf_bom.html.

[Robert Krátký]

No jo... málem jsem napsal jen: "Viz Google..."

[بطرس בוטרוס]

... měla by asi otázka znít ,Znaková sada, kterou nejčastěji používám pro český text`...

Spis bych napsal 'znakova sada, kterou nejcasteji pouzivam'. Chcete-li to jinymi slovy: Pouzivam unicode, prave proto, ze nejcasteji nepouzivam jen samotnou cestinu

[unchallenger]

V tom případě by tam ovšem musely být úplně jiné možnosti: ASCII, ISO 8859-1[1], ...

[1] Zejména způsobem ,nechci, ale ten blbý program nic jiného nepodporuje`.

[Tom]

A UTF-16 nikdo nepouziva ?

[Robert Krátký]

Proto jsem dal volbu Unicode místo UTF8 (aby to pokrylo jak UTF8, tak UTF16).

[Jan Kundrát (jkt)]

pro zapsani znaku "a" v unicode potrebuju 2 bajty, v utf-8 jenom jeden. pro "á" v obojim 2 bajty.

[Michal Buchtík]

jak už bylo napsáno, unicode je znaková sada UTF-8 a UTF-16 jsou kódování této znakové sady

v UTF-16 se pro každý znak používají 2 bajty v UTF-8 se použije 1 bajt (pokud ten znak spadá do ASCII / iso-8859-1) nebo 2 bajty v ostatních případech.

[unchallenger]

Nebo tři bajty -- v českém textu např. pro uvozovky, pomlčku, elipsu, ... Nebo až šest (a v tu chvíli se UTF-16 začne lišit od UCS-2...).

[Jan Kundrát (jkt)]

v UTF-16 se pro každý znak používají 2 bajty,

pouziva se od 2 do 4 bajtu.

v UTF-8 se použije 1 bajt (pokud ten znak spadá do ASCII / iso-8859-1) nebo 2 bajty v ostatních případech.

od 1 do 4

[Michal Kubeček]

V Linuxu asi ne. UTF-16 je totiž kódování, které naprosto unikátním způsobem sjednocuje nevýhody ostatních alternativ, snad jedině oproti UCS-2 pokrývá větší rozsah a oproti UCS-4 zabírá méně prostoru, ale

• spotřebuje víc místa než UTF-8
• nemá pevnou délku znaku
• reprezentace je závislá na architektuře, takže vyžaduje buď externí specifikaci LE/BE nebo čachrování s BOM (kterou konvertory zapomenou odstranit a která pak v dokumentu překáží)

Na žádnou výhodu proti UTF-8 jsem nepřišel. Jinak se UTF-16 používá ve Windows...

[unchallenger]

Já bych k nevýhodám doplnil:

• Není kompatibilní s ASCII

Tuto vlastnost má jen UTF-8 a v Linuxu se používá právě proto (přinejmenším pro ,viditelná` data, pro vnitřní representaci se poměrně často používá i UCS-4).

[Pinky]

pro interni reprezentaci dat je to prý o něco rychlejší než 8 (čistě náhodou neobsahuje celou 10646-1 takže by se u pár arabských písmen a háčků nemusel zabývat 1/2 bytovostí?)

[unchallenger]

WTF? UCS-4 (AKA UTF-32) obsahuje všechno, se slušnou reservou, protože k representaci stačí 21 bitů, ovšem 21bitový integer je vcelku problém, tudíž se používá 32bitový (což je stejně obvyklá velikost int na řadě architektur).

[Pinky]

no jasně, jenže je to o něco víc dat, tak by mě zajímalo co (a kde) by bylo nejrychlejší(textů není v systému zas tolik, no ale málo taky né, a já mám stále 128M ram (a nejedu jen na fb)), bylo by zajímavé udělat statistiku ve smyslu nárůst spotřeby paměti/změna rychlosti aplikací atp.
jo a výš co by ti udělal průměrný programátor američan který o háčku vživotě neslyšel a měl ABC\0 o velikosti 16B?(ale on si nevybere, páč mu stejně zvětšujem a zpomalujem programový kód o práci s UCS-1) Popravdě mi UCS-2 přijde jako dobrý kompromis pro zpracování(pro evropu) a nanic při ukládání/výměně dat.
chtěl by jste to někdo podroněji zpracovat?

[unchallenger]

Co je to UCS-1? Mluvíš v hádankách...

Kompromisní řešení v sobě obvykle spojuje nevýhody všech ostatních ;-)

[Pinky]

v tom máš asi pravdu, teď ještě nějak oběktivně změřit co je vlastně blbější(pomalejší program kvůli UTF-8 nebo kvuli 32bit pismenkum)

UCS-1 je mysleno jako UTF-8

[deda.jabko]

a pote co odmitli do unicode zaclenit znaky klingonske abecedy jsem na nej uz uplne zanevrel

[VícNežNic]

Hm, no však. Místa je dost, jenom se prostě nechce… Nevím co je na tom zlého.

[Martin Čížek]

Je celkem s podivem, kolik odborníků přes produkty MS vůbec netuší, že používá $SUBJECT (tedy nepřímo, neb se to stejně překládá do 1250). Btw. netušíte, co používají NTFS oddíly -- už je to sjednocené na Unicode nebo je to stále podle verze Whoknows některá CP85x?

[Jan Kundrát (jkt)]

mno, obcas jsem na winxppro vidal od Total commanderu hlasku, ze "folder contains filenames from different character sets" nebo tak neco...

[Smazáno]

Už sem si zvykl.

Narozdíl od průzkumů veřejného mínění (vlezte mi na hrb, jsem statistická odchylka), tady hlasuju tak abych byl co nejblíž poskytnutým odpovědím (Unicode (ISO 10646)).

Ale je fakt, že jednou jsem si neodpustil zašumět výzkum Telecomu :)

[wicked]

ebcdic! ebcdic! no dobre, uznavam, ze s kodovanim cestiny to vela spolocne nema :)

[David Jež]

Presne... jen jsem si rikal, jestli budu prvni; dneska uz ne
-djz

[Viktor Soldan]

U nas ve firme se nejvice pouziva Mac OS Central European MacCE