🚀 go-pugleaf

W dniu 22.03.2022 o 15:27, Kamil pisze:
> Użytkownik "Bogdan (bogdro)"  napisał:
> 
>>> Postanowiłem napisać programik konwertujący polskie "pliterki" z 
>>> txt ASCII na UTF 8. I coś mnie zaniepokoiło. Otóż znaki te w UTF 8 
>>> maja na końcu średnik. A o ile dobrze pamiętam sam średnik i 
>>> wszystko za nim jest traktowane jako komentarz i pomijane. Dobrze 
>>> sądzę?
> 
>> Ogólnie - tak, "wolnostojący" średnik w asemblerze jest początkiem 
>> komentarza, ale to nie przeszkadza używać go w napisach czy komendach:
> 
>> napis db 'a;b;c'
> 
>> mov al, ';'
> 
>> Natomiast znaki "ąćęłńóśźż" kodują się w UTF-8 na wartości szesnastkowe
> 
>> C4 85 C4 87  C4 99 C5 82  C5 84 C3 B3  C5 9B C5 BA  C5 BC
> 
>> Tutaj średnika nigdzie nie ma i to jest ta część problemu, której za 
>> bardzo nie rozumiem. Chyba że masz na myśli np. encje HTML postaci 
>> "&#C485;", to wtedy wracamy do używania średnika w stałej znakowej i 
>> to powinno bez problemu działać.
> 
> Bardzo serdecznie Cię witam i pozdrawiam. Dawno się nie czytaliśmy :)

  :)

> Chodzi o moją stronkę zawierającą ledwie kilkanaście wierszy tekstu i 
> odnośniki do ewentualnych plików. Na dobrą sprawę kilka znaków mógłbym 
> wstawić "na piechotę", ale postanowiłem utrudnić sobie życie i napisać 
> program. A, że dawno to robiłem, więc prawie wszystko zapomniałem.


  Dobre ćwiczenie, też sobie kiedyś zrobiłem program związany z 
kodowaniami (tylko ten zamieniał polskie znaczki na ich odpowiedniki 
ASCII).


> Do rzeczy. Piszę z komputera z WIndows 7, więc pewnie program się na 
> nim nie uruchomi. Przejdę na sprzęt z XP i tam będę walczył. A póki co 
> pewne rzeczy mi się nie zgadzają. Kody podane przez Ciebie są inne niż 
> ja mam. Rzuć okiem na:
> 
> http://kamil100.refy.pl/Pliki/UTF%208.jpg


  Aha, i tutaj mamy niby subtelną, a jednak sporą różnicę między czymś 
o nazwie "UTF-8" a czymś o nazwie "Unicode".
  Co ja zrobiłem, to po prostu, bez zagłębiania się w jakikolwiek 
normy, wpisanie na terminalu w kodowaniu UTF-8 (tak, Linux):
	echo ąćęłńóśźż > aaa
  i obejrzenie wynikowego pliku hex-edytorem. Stąd wartości bajtów. I 
tak, to jest UTF-8.

  Różnice w tym, co dostaliśmy polega na tym, że ty patrzysz na coś, 
co się nazywa Unicode (https://en.wikipedia.org/wiki/Unicode, 
https://en.wikipedia.org/wiki/Universal_Coded_Character_Set), a ja na 
UTF-8, czyli tylko na jedno z kodowań standardu Unicode.
  Unicode mówi z grubsza, jaki dany znak ma numer. UTF-8, UTF-7, 
UTF-16, UTF-32 i jakie tam jeszcze inne kodowania da się znaleźć, są 
właśnie tym - kodowaniami, czyli sposobami, w jaki znak o numerze X w 
Unicode, zostaje przetworzony na faktyczne bajty.
  Oba nasze zestawy liczb są np. tutaj: 
https://pl.wikipedia.org/wiki/Kodowanie_polskich_znak%C3%B3w i można 
to sobie porównać.

  Teraz patrzę na normę HTML i tam jest napisane, że encje w HTML 
używają normy ISO 10646, czyli właśnie Unicode. Szybki test w postaci 
Ą daje "Ą", a więc potwierdza, że to Twoje numerki wygrywają :).


-- 
Pozdrawiam/Regards - Bogdan                     (GNU/Linux & FreeDOS)
Kurs asemblera x86 (DOS, GNU/Linux):            http://bogdro.evai.pl
Grupy dyskusyjne o asm:  pl.comp.lang.asm alt.pl.asm alt.pl.asm.win32
www.Xiph.org www.TorProject.org  Soft(EN): http://bogdro.evai.pl/soft