Umwandlung von 8-bit-Zeichen

In einem Quelltext können Sie, anders als bei LaTeX, HTML, WinHelp oder RTF, auch Zeichen aus dem oberen Teil Ihres Systemzeichensatzes verwenden. Es ist also nicht erforderlich, sich zu überlegen, wie denn wohl ein ß oder ein ä in der Ausgabedatei auszusehen hat; UDO erledigt die Umwandlung für Sie automatisch.

UDO erwartet Quelltexte mit dem jeweiligen Systemzeichensatz. Nutzen Sie UDO auf einem DOS-kompatiblen Rechner, erwartet UDO Quelltexte, die mit dem DOS-Zeichensatz geschrieben wurden. Die Atari-Version erwartet Quelltexte mit Zeichen des Atari-Zeichensatzes usw.

UDO kann aber auch Quelltexte verarbeiten, die mit systemfremden Zeichensätzen erstellt wurden. Und um es richtig komfortabel zu machen, können Quelltexte sogar aus einem Mischmasch benutzter Zeichensätze bestehen.

Sie müssen UDO nur mittels !code_source <zeichensatz> mitteilen, mit welchem Zeichensatz die folgenden Zeilen erstellt wurden.

Hier eine Übersicht, welches Kürzel für den Zeichensatz benutzt werden kann:

UDO unterstützt verschiedenste Codepages für verschiedenste Systeme. Nachfolgend sind alle derzeit unterstützten Systeme und Codepages mit z.T. mehreren Bezeichnern für die gleiche Codepage aufgeführt. Es spielt keine Rolle, ob Sie den Bezeichner in Groß- oder Kleinschreibung eingeben. (Die Bezeichner orientieren sich an den früheren UDO-Bezeichnern und denen, die das Unix-Kommando iconv unterstützt.)

Wichtig: latin1 aus früheren UDO-Dokumenten sollte angepasst werden, da UDO vor Version 7 hierfür die Windows-Codepage 1252 verwendete, seit Version 7 korrekterweise aber ISO-8859-1!

Wenn Sie sog. 1-Byte-Codepages (alle von UDO unterstützten Codepages mit Ausnahme von Unicode) verwenden und eine andere Codepage für die UDO-Dokumente als für die Ausgabe-Dokumente nutzen, müssen Sie ggf. beachten, dass alle Codepages unterschiedlich belegt sind. Eine Codepage ist eine Sammlung von 256 Zeichen aus dem Gesamtvorrat aller Zeichen, die mittlerweile unter dem Unicode-Standard definiert sind.

Wenn Sie z.B. Ihr UDO-Dokument im DOS-Zeichensatz erstellt haben und darin DOS-Grafikzeichen verwenden, das Zielformat aber z.B. Apple MacRoman ist, können die DOS-Grafikzeichen nicht abgebildet werden. Wenn Sie die hebräischen Zeichen des Atari-TOS-Zeichensatzes benutzt haben, werden Sie in den meisten anderen Codepages Pech mit der Abbildung dieser Zeichen haben.

In diesen Fällen empfehlen wir, als Zielformat UTF-8 zu verwenden, sofern das für das Zielformat möglich ist. Denn intern werden sämtliche Codepages im Unicode-Format geführt, so dass z.B. ein hebräisches Alef aus dem TOS-Zeichensatz auch in UTF-8 oder Windows-Codepage 1255 richtig wiedergegeben wird.

Mehrere Dateien nach Unicode wandeln

Falls Sie ältere Projektdateien von einer 1-Byte-Codepage nach UTF-8 konvertieren wollen, aber keine Lust haben, diese Konvertierung für jede Datei einzeln zu machen, kann es nützlich sein, wenn Sie das Unix-Kommando iconv benutzen können, das üblicherweise auf Unix-Maschinen und unter Mac OS X zur Verfügung steht.
Hier ist ein einfaches Beispiel, mit dem Sie z.B. in der bash-Shell des Terminal-Programms unter Mac OS X beliebig viele Dateien mit der Endung *.cs rekursiv (d.h., in beliebigen Unterordnern) auf einen Rutsch von Tschechisch (z.B. ISO-8859-2-kodiert) nach UTF-8 wandeln. Beachten Sie die besonderen Einklammerungen für das find-Kommando!

for x in `find . -name '*.cs'`; do iconv -f ISO-8859-2 -t UTF-8 $x > "$x.utf8"; rm $x; mv "$x.utf8" $x; done

Die Wandlung des Encoding kann nicht direkt in die gleiche Datei stattfinden, da sie anschließend leer wäre; daher der Umweg über die temporären *.utf8-Dateien, die nach dem Löschen der Originaldateien direkt mit dem Namen der Originaldateien umbenannt werden.