"Нифига себе басенку сократили"

Прозрел таки чувак!

>далеко не все нужные мне программы его корректно поддерживают
Пример можно ?

>В XP, по-моему, все программы кроме консоли в UCS-2. Офис юникодный с конца 1990-х. Насчёт IIS не уверен -- его колбасит он буквы "я" (0xFF) :)

ХР включая висту файлы по сети например сохраняет в cp866 до сих пор

в юникоде простой txt например сохранить проблема (поскольку винда делает из текстового файла бинарный своими тупыми сигнатурами)

итп итд

посмотри на контент в зоне .ru сайтов в юникоде раз два и обчелся по сравнению с cp1251

это из за отсутствия поддержки юникода в вендулете

Наконец то свершилось то о чем давно говорили здравомыслящие программисты. Ура товарищи !!!

Сдается мне это все какой-то непрерывный 4.2. Винда уже давно уникодит по сетке. Да и утф8 я только что из нотепада сохранил. Винды вполне дружат с утф8 (несмотря на то что унутре у них ucs).

> Не путайте уникод и утф8!!! Это немного разные вещи. UTF == Unicode Transformation __Format__. А кодировок уникода ни разу не меньше (iconv -l | grep -i -e utf -e ucs), чем был зоопарк с 8-ми битными кодировками.

КОДИРОВКА Unicode ЕДИНА! Есть несколько стандартных _представлений_ юникода, что скорее хорошо чем плохо. Ещё раз, кодировка Unicode есть только одна. Потратьте наконец некоторое время на чтение материалов на unicode.org или хотя бы википедии.

Самый тривиальный блокнот открывает файлы в utf-8 - не понимаю в чем проблемы с MS-win кроме тупости его пользователей

>Все зашибись, конечно, а как же BSD-шники? Как там дела с UTF-ом щаз обстоят?

Отлично.
setenv LOCALE ru_RU.UTF-8
setenv LANG ru_RU.UTF-8
setenv LC_ALL ru_RU.UTF-8
в ~/.cshrc и всё:
> locale
LANG=ru_RU.UTF-8
LC_CTYPE="ru_RU.UTF-8"
LC_COLLATE="ru_RU.UTF-8"
LC_TIME="ru_RU.UTF-8"
LC_NUMERIC="ru_RU.UTF-8"
LC_MONETARY="ru_RU.UTF-8"
LC_MESSAGES="ru_RU.UTF-8"
LC_ALL=ru_RU.UTF-8

> А где я там напахал

ну, во-первых, "noone".

мудаки. как будто ей когда-то пользовались.

> Кстати говоря, как c UTF-8 в Соляре

[user@host home]$ locale -a | grep -i utf
ru.UTF-8
ru_RU.UTF-8
tr_TR.UTF-8
en_US.UTF-8
[user@host home]$ uname -r
5.8

>поскольку винда делает из текстового файла бинарный своими тупыми сигнатурами

Собственно, сигнатуры не их, а юникода.

> за каким половым органом? для жертв бронепоезда: UCS. по буквам надо, или и так понятно?

...obsolete...doesn't support surrogate chars...быдло неграмотное.

UCS-2 (2-byte Universal Character Set) is an obsolete character encoding which is a predecessor to UTF-16. The UCS-2 encoding form is nearly identical to that of UTF-16, except that it does not support surrogate pairs and therefore can only encode characters in the BMP range U+0000 through U+FFFF. As a consequence it is a fixed-length encoding that always encodes characters into a single 16-bit value. As with UTF-16, there are three related encoding schemes (UCS-2, UCS-2BE, UCS-2LE) that map characters to a specific byte sequence.

Спеков оне видать не читали...

Не барское это дело... ~ (шутка, если что)

> КОДИРОВКА Unicode ЕДИНА! Есть несколько стандартных _представлений_ юникода, что скорее хорошо чем плохо.

В английском языке для этого есть два термина: encoding и character set.

A character is a small, indivisible unit of text, and text is composed of a string of characters. A character is not the binary representation of a text unit on disk; that would be determined by encoding. It is not the shape that appears on the screen; that's the glyph.

It is not a 'letter' either -- for historical reasons, many things are considered characters which are not letter-like entities at all. For instance, even in ASCII, the simplest and most common character set, 'bell' and 'linefeed' are characters -- not because they deserve to be but because it was once thought convenient.

--http://www.jbrowse.com/text/

на этом же сайте объяснено, что творится в Японии с кодировками. И почему UTF-8 рулит и у них, несмотря на палки в колесах от всяких JIS'ов.

> а как же BSD-шники? Как там дела с UTF-ом щаз обстоят?

нормально. Сортировка пока через icu, правда. А в syscons юникод все равно не нужен. В вашей консоли (не фреймбуффере) юникод-то не полностью поддерживается и кандзи там набирать, вроде, нельзя.

> Когда я выяснил, что у винды другая кодировка юникода и совместимости как не было так и нет, я на него забил :)

когда я выяснил что в венде в консоли 866 а в гуе 1251, я забил на винду.

> Есть framebuffer.

есть X'ы

А что делать-то? UCS-32 конечно всех спасёт, но оверхеда жаль.

>своими тупыми сигнатурами

BOM уже тупая сигнатура?

и ucs-2, и ucs-4 считаются устаревшими

Re^2: В X11 кодировкой по умолчанию для России становится UTF8

> А почему нет? В Gentoo у меня по жизни на всех машинах юникод в консоли.

Консоль нужна для двух вещей:

1. Отредактировать /etc/X11/xorg.conf

2. Отредактировать /etc/ssh/sshd.conf

А потом уже работать с машиной из нормального рабочего окружения.

>и Ъ называется UCS, а не UTF. жаль, нельзя в некоторые черепа это молотком вколотить.

"Q: What is the difference between UCS-2 and UTF-16?

A: UCS-2 is what a Unicode implementation was up to Unicode 1.1, before surrogate code points and UTF-16 were added as concepts to Version 2.0 of the standard. This term should be now be avoided."

так что там кому надо вбить?

http://bestpics.ru/full/Spasibo.jpg

> UTF32 -- суть таже UTF8, только расширенная до 4-х байт. Но в уникоде символов больше 65536! Так что даже UCS4 не поможет охватить все.

анонимус - суть тот же идиот, только расширенный до восьми букв

Re^2: В X11 кодировкой по умолчанию для России становится UTF8

> А ещё в Debian недавно наконец-то допилили dselect, и он стал нормально работать в utf-8.

dselect вроде бы уже официально не рекомендуется, т.к. уступает аптитуде :)

> Я думаю, больше дискутировать по этому бессмысленно.

почитай о проблемах японцев и китайцев. Их больше волновало объединение китайских символов Хан (кандзи, ханзи и тп), чем переменная длина.

Хватит нести пургу.

> А потом уже работать с машиной из нормального рабочего окружения.

+1. Еще добавлю: для отладки и просмотра трейсов всяких там дедлоков, где встретить что-то не на ascii за пределами реальности.

> и ucs-2, и ucs-4 считаются устаревшими

Фактически UTF-32 является тем же самым что и UCS-4.

«UCS-4 and UTF-32 are now identical except that the UTF-32 standard has additional Unicode semantics.» © http://en.wikipedia.org/wiki/UTF-32

> Хотя немало, по-моему, даже двухбайтовых иероглифов.

двухбайтовые... это что ли слоговая кана? или неужто кандзи уместили?

> additional Unicode semantics

это что такое? citation needed ;)

>двухбайтовые... это что ли слоговая кана? или неужто кандзи уместили?

а сколько их всего. если 65535, то если учить по одному в день, то понадобится около 180 лет. они не лопнут?

> нет, они сидят и матерятся. потому что в этом удолбище даже задача «сдвинуться на символ назад» превращается в совершенно неувлекательный и ненужный анальный секс.

Во-первых, неужели так часто нужно двигаться на символ назад?

> и вместо простого p-- приходится городить невнятный код или дёргать функцию.

Во-вторых, на лысом C пишут только злобные буратины, у которых других проблем и так вагон.

Во, вторых, {p--; while (*p&192==128) p--;} - что здесь невнятного?

>то что ли слоговая кана? или неужто кандзи уместили?

В кандзи всего-то 5тысяч с чем-то.

> почитай о проблемах японцев и китайцев. Их больше волновало объединение китайских символов Хан (кандзи, ханзи и тп), чем переменная длина.

> Хватит нести пургу.

Пожалуй бессмысленно пытаться все это объяснять здесь, на лоре, сюда в основном приходят ПТУшники только чтобы покричать сакс и рулез, а не для того чтобы научиться чему-то новому и избавится от своих в корне неправильных стереотипов. Какой уж там Han unification...

> а сколько их всего. если 65535, то если учить по одному в день, то понадобится около 180 лет. они не лопнут?

хз

http://en.wikipedia.org/wiki/Han_unification

>Сдается мне это все какой-то непрерывный 4.2. Винда уже давно уникодит по сетке.

поставь smbclient/smbfs и попробуй примонтироваться к вендовому ресурсу без указания codepage=cp866, удивись на то что будет с русскими буквами

а потом про 4.2 свои слова обратно возьми :)

>Да и утф8 я только что из нотепада сохранил.

а теперь напиши в этом нотепаде

#!/usr/bin/perl

print "привет\n";

и попробуй в юниксе этот сценарий пустить, и опять же поплюйся на этот псевдоюникод

>Винды вполне дружат с утф8 (несмотря на то что унутре у них ucs).

а вот это уже очень похоже на 4.2

> В кандзи всего-то 5тысяч с чем-то.

не, это только в daily use.

> в юникоде простой txt например сохранить проблема (поскольку винда делает из текстового файла бинарный своими тупыми сигнатурами)

"тупые сигнатуры" - это BOM, который есть часть стандарта UTF?

Бобёр, выдыхай.

>BOM уже тупая сигнатура?

бинарные заголовки в ТЕКСТОВЫХ файлах? ТУПОСТЬ!

>не, это только в daily use.

>one of the largest dictionaries of kanji ever compiled, has about 50,000 entries, even though most of the entries have never been used in Japanese.

Я под кандзи подразумевал как раз те, которые used, а не целиком китайский алфавит.

солидарен с теми , кто прокричал - "УРА!"

А чем "текстовые" байты отличаются от "бинарных", а?

> бинарные заголовки в ТЕКСТОВЫХ файлах? ТУПОСТЬ!

Простите, а вы можете назвать файлы в кодировках UTF-8 или, например, UCS-2/UCS-4(UTF-32) текстовыми в классическом смысле этого слова (т.е. в сравнении с однобайтными ?

>Во, вторых, {p--; while (*p&192==128) p--;} - что здесь невнятного?

p какого размера?

> Я под кандзи подразумевал как раз те, которые used

ты не подразумевал в каком контексте. В историческом, я боюсь, там окромя кучи itaiji, хентайганы, довоенных кандзи чего только не повстречаешь. Впрочем, для таких целей лучше исползовать mojikyo, а не юникод.

> поставь smbclient/smbfs и попробуй примонтироваться к вендовому ресурсу без указания codepage=cp866, удивись на то что будет с русскими буквами

smbfs мертва. cifs. Если Вы пользуетесь мертвячиной - это Ваши проблемы.

> а теперь напиши в этом нотепаде

Это проблемы перла (и всех скриптовых языков, появившихся в доутфную эпоху). Нотепад не обязан соблюдать соглашение о шебанге. Повторяю еще раз - с т.зр. спецификации утф (а не Билла Гейтса и не перла) сохраненный нотепадом утф8 файл является корректным. Спеки сами в гугле найдете?

Так что 4.2 остается на Вашей половине поля.

> бинарные заголовки в ТЕКСТОВЫХ файлах? ТУПОСТЬ!

Можете жаловаться авторам спеков. Нотепад всего лишь соблюдает их.