🚀 go-pugleaf

  Rok 2007 - lipiec. Dokładnie to czwartek, 26-go. Nieco po 16-ej.
  Nagle zza rogu Michał Zator wrzuca na pl.comp.ogonki:

> Zatem pytanie do Was - co przemawia za stosowaniem UTF? Na pewno
> internacjonalizacja sieci, wygoda UTF (nawet windowsowski notatnik
> go obsługuje :)), możliwość swodobodnego tworzenia tekstów w wielu
> językach. Coś jeszcze? 

Wszelkie szlaczki typu wielokropki, cudzysłowy dolne, górne, myślniki,
pauzy, półpauzy, paragrafy, stopnie i inne tego typu badziewie możesz
wstawiać, wklejać z Worda, OOo i temu podobnych edytorów jak leci do
(chociażby) wspomnianego notatnika (czytaj: w źródło strony) bez
paprania się w &encje;.

> Co z kolei przemawia na "nie"? Jakie są w tej chwili zalety ISO?

Zalety ISO... Kompatybilność z IE 3.0?  :-D

Może nie IE 3 (to chyba samobójstwo), ale być może jakieś stare
wynalazki (być może tekstowe) pracujące w stronie kodowej (CP bądź
ISO)...

No i jeśli takie narzędzie jest używane do jakiejś analizy zawartości
strony, może być ważna długość kodu znaku, w CP/ISO co najwyżej
zaowocuje to krzakiem, ale o długości jednego bajta, a nie jednego
BĄDŹ kilku.

Tyle wymyśliłem na szybko w temacie na którym się nie znam.  ;-)

-- 
  Pozdrawiam,  Marsjanin.  Yahoo! :  marsjanin_tk
  Nigdy nie instalujcie Linuksa, jeśli macie grypę.  :-|
  Nic nie gra. Cudowna cisza...  :-]

Thu, 26 Jul 2007 07:51:28 -0700, Michał Zator <michal.zator@gmail.com>
napisał(a):

> Witam
> Wiem, że na grupie ten temat był już poddawany dyskusji, ale archiwum
> nie dało mi odpowiedzi na wszystkie moje pytania. Wprawdzie aktywność
> tutaj jest delikatnie mówiąc niewielka, ale może ktoś z Was prędzej
> czy później odpowie.
> 
> Przygotowuje artykuł na temat, który jest również tematem tej
> wiadomości. W internecie pełno jest starych kursów, które usilnie
> zalecają korzystanie z ISO-8859-2 i wypunktowuja jego przewagi nad
> Windows1250, zaś znaleźć jasną konfrontację ISO i UTF jest niezmiernie
> trudno.
> 
> Zatem pytanie do Was - co przemawia za stosowaniem UTF? Na pewno
> internacjonalizacja sieci, wygoda UTF (nawet windowsowski notatnik go
> obsługuje :)), możliwość swodobodnego tworzenia tekstów w wielu
> językach. Coś jeszcze? Co z kolei przemawia na "nie"? Jakie są w tej
> chwili zalety ISO?
> 
> Pozdrawiam
> Michał Zator

Parę moich osobistych, luźnych uwag: ISO-8859-2 zawiera mniej znaków od
UTF-8 (co oczywiste). Zawiera polskie litery, ale nie zawiera
większości ładnych znaków interpunkcyjnych (np. prawidłowych
cudzysłowów) ani wielu ciekawych znaków specjalnych. Jeżeli nie używasz
żadnych znaków spoza zestawu ISO, to używanie UTF-8 jest (niewielkim)
marnotrawstwem - w przypadku polskiego tekstu zakodowanie go w UTF-8
zwiększa jego objętość o około 5%.

Od wielu już lat na każdy system dostępne są przeglądarki i edytory
obsługujące UTF-8, więc odpada stary argument o większej dostępności
stron kodowanych ISO. Przy okazji windowsowy Notatnik nie nadaje się do
zapisywania stron www w UTF-8, bo na początek wstawia tzw. BOM. On sam
tego nie pokazuje, ale jest on widoczny w wielu innych edytorach,
niektóre przeglądarki mają problem z wyświetleniem takiej strony,
kłopot może mieć też procesor PHP na serwerze.

Domyślnym kodowaniem dokumentów XHTML jest UTF-8 i UTF-16. Na stronach
W3C można znaleźć w wielu miejscach zalecenia, by preferować stosowanie
UTF-8. Ich kontroler dokumentów HTML (validator) też domyślnie stosuje
UTF-8, gdy w sprawdzanym dokumencie nie może odczytać deklaracji
charsetu.

Są dwie szkoły: pierwsza, starsza, mówi, żeby stosować tylko znaki z
ISO-8859-2, wszystkie inne to zło wprost od szatana i są nikomu
niepotrzebne (a jak powiesz, że Tobie są potrzebne, to się dowiesz, że
się nie liczysz). Druga, nowa, mówi, że należy pisać zgodnie z polskimi
zasadami, w cytatach z obcych języków i słowach zapożyczonych pisać
prawidłowo zagraniczne litery, stosować prawidłowo różne znaki zamiast
jakichś kombinacji czy opisów słownych. Ci stosują UTF-8. Istnieje też
środkowa droga - stronę kodować w ISO, a znaki spoza tego zestawu jako
encje. Jeżeli strona zawiera bardzo niewiele znaków spoza ISO, to
sposób ten może dać niewielkie oszczędności na objętości.

Swego czasu nastąpiła standaryzacja alfabetu łacińskiego w postaci
ASCII. Mimo istnienia konkurencyjnych rozwiązań, takich jak EBCDIC, w
internecie panuje wyłącznie ASCII, co ma swoje ogromne zalety -
jednoznaczność i brak konieczności przekazywania informacji o użytym
kodowaniu. Te same zalety będzie miała rezygnacja z kodowań opartych na
stronach kodowych na rzecz jednego, uniwersalnego UTF-8, ale w tym
wypadku okupione to będzie zwiększeniem objętości dokumentów, w
krańcowych przypadkach o blisko 100% (w przypadku takich języków, jak
m.in. rosyjski i grecki).

Windows-1250 zawiera więcej znaków od ISO-8859-2, ale są one położone w
obszarze znaków sterujących (pozycje 128-159 albo jak kto woli
0x80-0x99), co powoduje problemy w niektórych systemach, w których te
znaki mogą zostać zinterpretowane jako znaki sterujące, co może mieć
nieprzewidziane skutki. Poza tym to jest wewnętrzne kodowanie jednej
firmy (wbrew pozorom nie jest ono normowane amerykańską normą ANSI,
mimo że MS tak sobie to nazywa) i jako takie nie ma na nie miejsca poza
produktami tej firmy, tak jak na kodowania Mac, Amiga i inne nietypowe.

Podobnie jak ISO-8859-2, unikod jest normowany normą międzynarodową o
symbolu ISO-10646. Jako ciekawostkę dodam, że ASCII jest normowane
normą międzynarodową ISO-646. Czytałem swego czasu artykuł, wg którego
zbieżność numerów dwóch ostatnich norm jest nieprzypadkowa. Niestety,
nie mogę sobie przypomnieć tytułu ani źródła, może znajdziesz coś na
ten temat w internecie.

Ciekawych i przydatnych znaków w unikodzie jest bardzo wiele, wybrane
możesz obejrzeć na stronie
http://konfiguracja.pochta.ru/webpl/encje.html (użyj nowoczesnej
przeglądarki, nie IE, w razie potrzeby zainstaluj też jakąś czcionkę
zawierającą te symbole, np. DejaVu lub Fixedsys Excelsior).

-- 
                          Marcin Frankowski
chcesz wysłać maila, to kliknij: http://www.cerbermail.com/?GwMBsEhHr8
     Na kłopoty z konfiguracją OE i z polskimi literami w poczcie,
           newsach i na www: http://konfiguracja.pochta.ru/

Dziękuję za odpowiedzi. Sam doszedłem do jeszcze jednej zalety
unikodu. Standard XHTML wymaga deklaracji XML na początku dokumentu,
jeśli użyte w nim kodowanie jest inne niż domyślny UTF. Zatem tworząc
stronę w ISO, chcąc zachować zgodność ze specyfikacją XHTML musimy
dodać taki prolog. Prolog jest przeznaczony do użycia na samym
początku dokumentu, przed deklaracją DOCTYPE. Tymczasem przeglądarka
IE (nie jestem do końca w temacie - nie wiem czy chodzi o wszystkie
wersje, czy może od którejś błąd ten naprawiono) nie rozpoznaje
prologu XML i widząc jakiekolwiek znaki przed deklaracją DOCTYPE
przechodzi w tzw. quirks mode.

Pozdrawiam

Fri, 27 Jul 2007 01:06:33 -0700, Michał Zator <michal.zator@gmail.com>
napisał(a):

> przeglądarka
> IE (nie jestem do końca w temacie - nie wiem czy chodzi o wszystkie
> wersje, czy może od którejś błąd ten naprawiono) nie rozpoznaje
> prologu XML

Na pewno wszystkie wersje do 6 SP1. 6 SP2 i 7 prawie na pewno też (IE 7
nie obsługuje XHTML), ale lepiej sprawdź to.

-- 
                          Marcin Frankowski
chcesz wysłać maila, to kliknij: http://www.cerbermail.com/?GwMBsEhHr8
     Na kłopoty z konfiguracją OE i z polskimi literami w poczcie,
           newsach i na www: http://konfiguracja.pochta.ru/

Thu, 26 Jul 2007 23:08:02 +0200, Marsjanin <nospam@marsjanin.tk>
napisał(a):

> Zalety ISO... Kompatybilność z IE 3.0?  :-D
> 
> Może nie IE 3 (to chyba samobójstwo), ale być może jakieś stare
> wynalazki (być może tekstowe) pracujące w stronie kodowej (CP bądź
> ISO)...

Chyba bardzo, bardzo stare... Lynx 2.8.2 świetnie sobie daje radę z
UTF-8. Może pracować w konsoli Unicode, a jak pracuje w konsoli ISO, to
znaki spoza charsetu konsoli przekodowuje na odpowiedniki (np. EUR)
albo formy bazowe bez ogonka.

UTF-8 obsługują: IE od wersji 4 (były wersje na makówkę i nawet na
Uniksa), Netscape Communicator od wersji 4 (też wiele systemów
operacyjnych), Mozilla, Firefox i inne oparte o Gecko od pierwszej
wersji, Opera na pewno od wersji 6, Konqueror od wersji niewiadomej mi,
Safari prawdopodobnie od pierwszej wersji, Lynx i Links od wersji
niewiadomej mi (pełna obsługa unikodu pod warunkiem uruchomienia w
konsoli unikodowej), coś jeszcze? W sumie w dzisiejszych czasach nie
trzeba rezygnować z UTF-8 na stronach internetowych dlatego, by nie
stwarzać problemów użytkownikom przeglądarek pozbawionych obsługi tego
standardu, bo takich praktycznie nie ma - niezależnie od używanego
systemu operacyjnego.

-- 
                          Marcin Frankowski
chcesz wysłać maila, to kliknij: http://www.cerbermail.com/?GwMBsEhHr8
     Na kłopoty z konfiguracją OE i z polskimi literami w poczcie,
           newsach i na www: http://konfiguracja.pochta.ru/

  Rok 2007 - lipiec. Dokładnie to sobota, 28-go. Nieco po 15-ej.
  Nagle zza rogu Marcin Frankowski wrzuca na pl.comp.ogonki:

>> Może nie IE 3 (to chyba samobójstwo), ale być może jakieś stare
>> wynalazki (być może tekstowe) pracujące w stronie kodowej (CP bądź
>> ISO)...
> Chyba bardzo, bardzo stare... 
[...]
> W sumie w dzisiejszych czasach nie trzeba rezygnować z UTF-8 na
> stronach internetowych dlatego, by nie stwarzać problemów
> użytkownikom przeglądarek pozbawionych obsługi tego standardu, bo
> takich praktycznie nie ma - niezależnie od używanego systemu
> operacyjnego.

Właśnie. Do tego dołożyłbym również, że właściwie topnieje użyty przez
Ciebie argument oszczędności miejsca w kodzie. Polski - +5%? Rosyjski
- +100%? Prawda jest taka, że jak wchodzimy nawet na bardzo bogatą
objętościowo w tekst stronę, to ona ładuje się na przeciętnym łączu
przez chwilkę - potem następuje ładowanie grafiki i innych
wodotrysków, które może, i owszem, trwać. Jednak, czy tekst ma 50 KB
czy 100 KB, nikt na to nie zwróci uwagi - *NAWET* na nowoczesnym
(57000) modemie telefonicznym. Taka prędkość wystarczy do tekstu.
Owszem, są strony, które mają po kilka tysięcy "stron maszynopisu" w
jednym dokumencie HTML, ale je chyba należy pominąć milczeniem...
podsumowując, w kodzie oraz zawartości stron są setki innych miejsc, w
których oszczędzanie pojedynczych bajtów  :-)  da większe efekty.

-- 
  Pozdrawiam,  Marsjanin.  Yahoo! :  marsjanin_tk
  Informatyka to różnica między teorią, a praktyką. (C) Komak (@alt.pl.emule)
  Nic nie gra. Cudowna cisza...  :-]

Sun, 29 Jul 2007 11:40:54 +0200, Marsjanin <nospam@marsjanin.tk>
napisał(a):

>   Rok 2007 - lipiec. Dokładnie to sobota, 28-go. Nieco po 15-ej.
>   Nagle zza rogu Marcin Frankowski wrzuca na pl.comp.ogonki:
[...]
>> W sumie w dzisiejszych czasach nie trzeba rezygnować z UTF-8 na
>> stronach internetowych dlatego, by nie stwarzać problemów
>> użytkownikom przeglądarek pozbawionych obsługi tego standardu, bo
>> takich praktycznie nie ma - niezależnie od używanego systemu
>> operacyjnego.
> Właśnie. Do tego dołożyłbym również, że właściwie topnieje użyty przez
> Ciebie argument oszczędności miejsca w kodzie. Polski - +5%? Rosyjski
> - +100%? Prawda jest taka, że jak wchodzimy nawet na bardzo bogatą
> objętościowo w tekst stronę, to ona ładuje się na przeciętnym łączu
> przez chwilkę - potem następuje ładowanie grafiki i innych
> wodotrysków, które może, i owszem, trwać. Jednak, czy tekst ma 50 KB
> czy 100 KB, nikt na to nie zwróci uwagi - *NAWET* na nowoczesnym
> (57000) modemie telefonicznym. Taka prędkość wystarczy do tekstu.
> Owszem, są strony, które mają po kilka tysięcy "stron maszynopisu" w
> jednym dokumencie HTML, ale je chyba należy pominąć milczeniem...
> podsumowując, w kodzie oraz zawartości stron są setki innych miejsc, w
> których oszczędzanie pojedynczych bajtów  :-)  da większe efekty.

Mniejszy rozmiar jest faktem, więc go przytoczyłem. Oczywiście masz
rację pisząc, że ta oszczędność jest w dzisiejszych czasach praktycznie
bez znaczenia, w szczególności w przypadku stron z, jak to określiłeś,
wodotryskami - różnego rodzaju grafiki spokojnie potrafią ważyć 10×
tyle, co HTML, a jak jeszcze ktoś walnie przeszkadzajki we flashu po
kilkaset kilo sztuka...

-- 
                          Marcin Frankowski
chcesz wysłać maila, to kliknij: http://www.cerbermail.com/?GwMBsEhHr8
     Na kłopoty z konfiguracją OE i z polskimi literami w poczcie,
           newsach i na www: http://konfiguracja.pochta.ru/

  Rok 2007 - lipiec. Dokładnie to niedziela, 29-go. Nieco po 13-ej.
  Nagle zza rogu Marcin Frankowski wrzuca na pl.comp.ogonki:

> Mniejszy rozmiar jest faktem, więc go przytoczyłem. 

Co prawda, to prawda.  :-)

-- 
  Pozdrawiam,  Marsjanin.  Gadu-Gadu :  4548104
  Nowy toner to czarny proszek. Używany - to czarne literki wtopione w papier.
  Nic nie gra. Cudowna cisza...  :-]

Michał Zator pisze:
> Dziękuję za odpowiedzi. Sam doszedłem do jeszcze jednej zalety
> unikodu. Standard XHTML wymaga deklaracji XML na początku dokumentu,
> jeśli użyte w nim kodowanie jest inne niż domyślny UTF. Zatem tworząc
> stronę w ISO, chcąc zachować zgodność ze specyfikacją XHTML musimy
> dodać taki prolog. Prolog jest przeznaczony do użycia na samym
> początku dokumentu, przed deklaracją DOCTYPE. Tymczasem przeglądarka
> IE (nie jestem do końca w temacie - nie wiem czy chodzi o wszystkie
> wersje, czy może od którejś błąd ten naprawiono) nie rozpoznaje
> prologu XML i widząc jakiekolwiek znaki przed deklaracją DOCTYPE
> przechodzi w tzw. quirks mode.
> 
> Pozdrawiam
> 

Nie do końca. Kodowanie możesz przecież zdefiniować w nagłówku HTTP,
zamiast w deklaracji XML i przeglądarka powinna je uwzględnić.

-- 
Jakub Bogusław Jagiełło
http://jaboja.ovh.org/

On 22 Wrz, 18:51, Jakub Bogusław Jagiełło <jab...@atlas.cz> wrote:
>
> Nie do końca. Kodowanie możesz przecież zdefiniować w nagłówku HTTP,
> zamiast w deklaracji XML i przeglądarka powinna je uwzględnić.
>

Co nie zmienia faktu, że jeśli dokument XML ma być poprawny, powinien
taki prolog posiadać, jeśli kodowanie jest inne niż UTF. Przeglądarka
zadowoli się nagłówkiem HTTP, zadowoli się deklaracją META, czasami
wręcz domyślnie wybierze ISO - ale to nie ma nic do poprawności.