Dotaz: Jak změnit kodovani souboru z msdos?

[mhh]

Příloha:

• CERVENEC.TXT (2854 bytů)

Ahoj, můžu se zeptat, v jakém kodování je přiložený soubor? file -i ukazuje UTF-8, je to právě export z msdosu a potřeboval bych tam nahodit kodování češtině podobné. Zkoušel jsem iconv, ale bez úspěchu, poradíte? Díky

---

---

Odpovědi

[Konqui]

Pro zjištění kódování je utilita enca:

IBM/MS code page 852; PC (DOS) Latin 2
  Surrounded by/intermixed with non-text data

Takže:

iconv -f IBM852 -t UTF8 test

[mhh]

iconv -f IBM852 -t UTF8 *.TXT

Takhle mi to taky nefunguje

[Konqui]

Iconv nebere (IMHO) jako parametr masku souorů, pro překódování všech souborů použijte find

find -name '*.TXT' -exec iconv -f IBM852 -t UTF8 {} \;

[Filip Jirsák]

Maska souborů není záležitostí každého jednotlivého programu, ale shellu. Ten zástupné znaky sám vyhodnotí a příslušnému programu předá už rovnou seznam souborů. Takže pokud máte v aktuálním adresáři soubory

• cervenec.txt
• srpen.txt
• zari.txt

a v shellu zadáte

iconv -f IBM852 -t UTF8 *.txt

spustí se ve skutečnosti

iconv -f IBM852 -t UTF8 cervenec.txt srpen.txt zari.txt

Případně mohou být soubory uvedeny v jiném pořadí, shell pořadí nezaručuje.

Nejde tedy o to, zda iconv podporuje masku souborů, ale zda přijme více parametrů s názvem souboru. iconv 2.11.2 na mém počítači by to měl podle manuálu i podle --help umět.

[myšák]

Jen poznámka na okraj ... pokud už používáte enca, tak pro změnu kódování stačí použít enca -c nebo enconv a máte to z jedné vody na čisto.

[Filip Jirsák]

CP852, je to „standardní“ kódování Microsoftu, které používá pro středoevropské jazyky v příkazové řádce – už v MS DOSu, ale v příkazové řádce se ve Windows používá do teď.

[Kit]

Dle očekávání je v CP852.

recode cp852..u8 CERVENEC.TXT

[mhh]

Díky, jde napsat něco jako *.txt ? že by mi to překódovalo více souborů?

for old in *.txt;
do
iconv --from-code=cp582 --to-code=utf-8 $old > $old.utf8;
done

nezabírá

[Kit]

Jistě.

recode cp852..u8 *.TXT

[mhh]

recode: CERVEN.TXT failed: Ambiguous output in step `CR-LF..data'

Dela to jak u jednoho, tak u vice souborů

[mhh]

s parametrem -f to nepřevede správně

[Kit]

Protože v originálu máš špatně CR-LF. Dá se to potlačit

recode -f cp852..u8 *.TXT

ale pak to převede vše bez varování i v případě, že to už jednou převedeno bylo. Můžeš si tím ty soubory poničit.

[mhh]

jo, už mi to funguje, někde byla chyba, díky mockrát