🚀 go-pugleaf

Witam,

Nudno tu (na p.c.ogonki).  Jeszcze kilka miesięcy temu odbywała się
interesująca krucjata na temat `ISO contra CeP', a teraz wszyscy już
piszą sobie w ISO...  Czy jest jeszcze nadzieja na jakieś interesujące
ogonkowanie?

Niedługo przyjdą Unikody.  Dla nie wtajemniczonych, Unicode jest
32-bitowym uniwersalnym kodem zawierającym wszystkie znaki we
wszechświecie.  Istnieje 16-bitowy podzbiór Unicode, zwany BMP (Basic
Multilingual Plane), który, niestety, nie zawiera średniowiecznych
herbów chińskich (ale hieroglify chyba są).  W BMP działają
wewnętrznie WNT (ostatnia wersja VMS-u, też zwana Windows NT), Plan 9
(więc też Wily), oraz Java.

Już myśleliśmy, że Unikody rozwiążą problem różnych kodowań znaków na
Internecie...  Tymczasem Unicode definiuje wiele różnych kodowań:

o UCS-4: 32-bitowe unikody.
o BMP: 16-bitowe kody.
o UTF-8 (czyli `filesystem safe Unicode'): ośmiobitowy format;
  siedmiobitowy podzbiór UTF-8 jest równy US-ASCII.
o UTF-7: format siedmiobitowy.
o UTF-1: przestarzały wariant UTF-8.

Czyli, już niedługo, możemy liczyć na następujące kodowania:

o BMP, big-endian, 8bit lub base64.  Używane pewnie w środowisku
  nie-europejskim.
o BMP, little-endian.  Produkowane wyłącznie przez MS-Mail ;->
o UTF-8, 8bit.
o UTF-8, QP: środowisko europejskie (większość znaków łacińskie).
o UTF-8, base64.  Na środowsko nie-europejskie.
o UTF-7, 7bit: bardziej oszczędne niż UTF-8 w przypadku transmisji
  siedmiobitowych.

US-ASCII będąc podzbiorem UTF-8, więc Amerykanie tranzycji nie
zauważą.  Możemy jeszcze liczyć na interesujące dyskusje (jak na
przykład, dlaczego kodów nie należy wysyłać w kolejności
little-endian).

Jedyne środowsko, do którego mam dostęp a działa z Unikodami, to JDK
1.1 beta.  Niestety, klasa TextArea unikodów nie kojarzy, więc
musiałem napisać własny widget (subklasa Canvas).  Działa, owszem,
mogę czytać i pisać UTF-8 oraz BMP (UTF-7 nie), i nawet widzę znaki
jeżeli mam dobrze skonfigurowane czcionki.

JDK pozwala na pisanie i czytanie w dowolnych kodach.  Niestety, o ile
ośmiobitowe kodowania są prawidłowe (między innymi ISO-8859-? oraz
wszelkie CePy), to inne nie bardzo.  N.p. ISO-2022 ma tylko znaki
ASCII i japońskie.

Kiedy będę miał czas, to spręże mój programik z przeglądarką Newsów i
zacznę na p.c.ogonki pisać w UTF-8.  I tak mnie nikt nie czyta...

Pozdrawiam,
                                        J.

P.S. Cross-posting.  W ewentualnym followupie proszę nagłówki obciąć.