Dotaz: UTF-8 a ž vs. ž

[reb]

Může mi někdo vysvětlit, k čemu je dobré "ž" (7acc8c0) oproti starému dobrému "ž" (c5be)? Až do dneška jsem nevěděl, že to existuje, dokud mi nepřišel soubor pojmenovaný "žádost.pdf", tedy s tím kombinovaným z+ˇ, který samozřejmně nejde najít pomocí 'ls ž*'. Tak by mě zajímal praktický usecase pro existenci dvou (vizuálně) identických, ale odlišných písmen.

Odpovědi

[X]

Setkal jsem se s tim jednou. Jmenuje se to 'combining caron' a je to proste vlastnost kodovani toho softu, ktery nepouzije nomalni utf-8/unicode "precomposed character" ale tuhle slepenou hovadinu.

[Xerces]

Koukni sem https://en.wikipedia.org/wiki/Precomposed_character. Je to záložitost Unicode. V Unicode máš vyhrazenou oblast, která slouží výhradně ke kombinaci znaků s interpunkcí. Pokud jsem to správně pochopil, tak se to může prakticky hodit při tvorbě fontů. Pokud jsi schopen rozložit znak na nějaký základní + interpunkce, tak nemusíš ve fontu připravovat glyfy pro všechny varianty. Mimochodem. Dávat do názvu souboru diakritiku je čuňačina tak jako tak.

[Peter Golis]

Dávat do názvu souboru diakritiku je čuňačina tak jako tak.

A čo ak človek používa inú "abecedu" ako Latinku? Pýtam sa pre kamaráta ktorý sa počíta k Inuitskej národnosti a jeho reč je ᐃᓄᒃᑎᑐᑦ.

[X]

Hadam se s kamaradem bavite anglicky. -> Problem solved. Diakritika, co si budeme povidat, je proste "voser" a je uplne jedno jaky je to jazyk. Smula, ze zrovna cestina je na takove typograficke speciality dost bohata.

[Peter Golis]

Názor že všetko mimo US ASCII je blbosť mal skončiť v prepadlišti dejín minulého tisícročia.

A to už dupľom ak slovo s diakritikou tú diakritiku pri zápise nedostane, a zmení sa mu tým význam na niečo iné. Veď už aj prastarý príkaz mlocate má parameter --transliterate na prácu s diakritikou. Ak ti vadí Unicode, tak nepoužívaj FS ktoré Unicode nepozná. Alebo sa vráť o vyše 1/4 storočia do minulosti.

[X]

To kodovani hacku si vysvetlujes jak? Ze si to kazdy soft muze kodovat jak chce protoze to Unicode dovoluje? Takze je to vlastne smula a mas pouzivat vzdy normalizaci, protoze na to neni spoleh? Tak to potom ok.

[Peter Golis]

Ak to umožňuje štandard Unicode, tak je len na danom SW ako s tým naloží.

A ak má človek bordel v názvoch, tak nech používa správcov súborov ktorý má možnosť transliterate (na ignorovanie diakritiky v zbierkach kde je to pomiešané). Schválne, čo ti vypíše napríklad príkaz ICONV na bežnú prácu s textom, príkaz ktorého rutiny sú prilinkované do programov ktoré danú funkcionalitu používajú:

echo abc ß $ € ¥ ₽ àḃç | iconv -f UTF-8 -t ASCII//TRANSLIT

[Want]

Co tu řešíš? To je věcí aplikace, jestli použije hotový znak s diakritikou, nebo složeninu. Tobě to může být egál. Správně by měly psát všechny apky složeniny, ale to by komplikovalo zpracování starších textů, co používaly stejné kódy, ale jiné fonty. Takhle se nejprve převedou do UTF-8 a následně se může diakritika převést na složeniny. Bez toho by to byl problém, protože bys musel tak jako kdysi pokaždé nastavovat výchozí kódování.

[X]

Správně by měly psát všechny apky složeniny, ale to by komplikovalo zpracování starších textů, co používaly stejné kódy, ale jiné fonty.

Nechapu co tim myslis. Unicode sada pro cestinu jasne definuje 'composed' znaky. Zadne 'combining' znaky tam proste nejsou. Takze to pouziti nema zadny prakticky vyznam.

[Isthvan]

Parametr transliterate ale neni pro praci s diakritikou. To je parametr presne pro praci BEZ diakritiky, coz mluvi za vse.

[Peter Golis]

Akurát že poskytuje taký jeden veľmi jednoduchý trik, hlavne ak je nejednotný zápis. Ten trik sa volá: ignoruj rôznorodosť diakritických zápisov.

[Kit]

Mnoho lidí používá diakritiku v názvu souboru, včetně mne. Nevidím v tom problém - dnešní operační systémy to zvládají.

[Xerces]

Šťastná to žena. Povzdechla si za odcházející babičkou kněžna.

[dustin]

Jak se vlastně dá takový znak napsat třeba v terminálu?

[Want]

Mnoha způsoby. Viz zde. Odkazuji tam mimochodem i na svůj blogpost z 30.1.2017 kde píšu o tom jak tyhle věci psát.