http://www.linuxexpres.cz/praxe/kodovani-textu-na-pocitaci

Diakritika přes PHP

kódování

v hlavičce souboru

header('Content-type: text/html; charset=utf-8');

PHP převod kódování

/// převod cp1250 do UTF8 zatďż˝m udďż˝lanďż˝ jen z cp1250
function string2utf8($string) {
     /// kontrola kodovani
      $control = @iconv("UTF-8", "UTF-8//IGNORE", $string );
     if (strlen($control)!=strlen($string)) {
           $return=@iconv("WINDOWS-1250", "UTF-8", $string );
           $return.="Prevod kodovani";
    }
    else $return=$control;
     
     
     
     return $return;
}
/// pďż˝evod cp1250 do UTF8 zatďż˝m udďż˝lanďż˝ jen z cp1250
function string2win1250($string) {
     /// kontrola kodovani
      //$control = @iconv("WINDOWS-1250", "WINDOWS-1250//IGNORE", $string );
      
          $return=@iconv("UTF-8", "WINDOWS-1250", $string );
      
      
      /*
      $inUTF1=mb_strlen($string, 'UTF-8');
      $inWin1= mb_strlen($string, 'Windows-1251');
      
      $testingString=@iconv("UTF-8", "WINDOWS-1250", $string );
      
      $inUTF2=mb_strlen($string, 'UTF-8');
      $inWin2= mb_strlen($string, 'Windows-1251');
      
      echo "<hr />".$inWin1."!=".$inWin2."<hr />";
      */
      /*
     if (strlen($control)!=strlen($string)) {
     echo "prevod";
          $testingString=@iconv("UTF-8", "WINDOWS-1250", $string );
          $return=$testingString;
          //echo "PREVADIM";
    }
    else $return=$control;
     */
     
     
     return $return;
}

Konvertujeme

iconv

Jeho manuálová stránka na debianních systémech sice za mnoho nestojí, ale přesto se jedná o velice užitečný nástroj. Použití je jednoduché:

 iconv -f vstupni_kodovani -t vystupni_kodovani soubor[y]

Dekódovaný výsledek se posílá na standardní výstup. Argumentem -l si můžete zobrazit seznam různých kódování.

recode

Recodeje mnohem pokročilejší aplikace. Mimo jiné dokáže odstranit diakritiku ze souboru.

 cat dopis.txt

%Žluťoučký kůň úpěl ďábelské ódy

recode utf-8..flat dopis.txt

%cat dopis.txt

Zlutoucky kun upel dabelske ody

Je nutné mít na paměti, že recode vždy mění obsah souboru, takže je dobré si dělat zálohy.

enca

Obsahujenavíc i detekci znakové sady, takže náš dopis bez diakritiky enca rozpozná.

enca dopis.txt

7bit ASCII characters

Díky automatické detekci není nezbytně nutné uvádět výchozí znakovou sadu.

enca -x iso-8859-2 dopis.txt

Převod souboru do znakové sady, kterou máte na svém systému, provedete parametrem -c :

enca -c dopis.txt

Tento nástroj vytvořil David Nečas, takže není divu, že obsahuje vazbu na

cstocs

Cožje konvertor specializovaný na češtinu a slovenštinu. Příkaz

enca -C extern -E cstocs -x ascii dopis.txt

Tedy opět odstraní diakritiku ze souboru. Ovšem má i mnoho užitečných funkcí, například dokáže nahradit © za (C) při převodu do ASCII. Převod z CP-1250 na UTF-8 se provede takto

cstocs cp1250 utf-8 < dopis.txt

convmv

Nejen obsah souborů, ale i jejich názvy bývá potřeba konvertovat. Následující příkaz vám opraví diakritiku v souborech pojmenovaných „®esky“.

convmv -f latin2 -t utf8 nazev_souboru

Provádíme hromadné změny

Převádětjeden soubor po druhém může být otrava. Nebyl by to Linux, pokud by nenabízel možnost automatického zpracování. Nejlepším způsobem je použít příkaz find

find . -iname '*.txt' -exec recode cp1250..utf8 {} \;

Tímto způsobem se převedou všechny textové soubory v aktuálním adresáři (a podadresářích) z kódování CP-1250 do UTF-8. Příkaz find je velmi flexibilní, takže

find . -type f -exec convmv -f cp1250 -t utf-8 {} --notest \;

Změní názvy všech souborů z kódování Windows na UTF-8.

HOME

ADD

EDIT

Linux

Diakritika