uni2ascii

uni2ascii și ascii2uni conversia între UTF-8 Unicode și oricare dintre o varietate de ASCII echivalente 7-bit, inclusiv: hexazecimal și zecimale HTML caractere numeric, u-scapă, hexazecimal standard și hexazecimal crud.
Astfel echivalenți ASCII sunt utile atunci când inclusiv text Unicode în sursa de program, atunci când introduceți un text în programe web care se pot ocupa setul de caractere Unicode, dar nu sunt de 8-biți în condiții de siguranță, și când depanare.
Unicode scapă sunt disponibile:
 
- HTML hexazecimale referinte caracter numerice (de exemplu)
- HTML zecimale referințe la caractere numerice (de exemplu ȳ)
- U-scapă, așa cum este folosit în Python (de exemplu, u00E9)
- u-scapă cadrul BMP și U scapă dincolo de BMP, de exemplu, u00E9 dar U00010024.
- U -escapes (de exemplu, U 00E9)
- U-scapă (de exemplu U00E9)
- U-scapă (de exemplu u00E9)
- U-scapă în paranteze unghiulare (de exemplu)
- X-scapă (de exemplu x00E9)
- X-scapă cu bretele (de exemplu, x {} 00E9)
- Hexazecimal Standard (de exemplu 0x00E9)
- Hexazecimal Raw (de exemplu, 00E9)
uni2ascii accepta un steag linie de comandă a stabili dacă pentru a genera majuscule AF sau minuscule af ca cifre hexazecimale, deoarece unele unele programe acceptă numai una sau alta. ascii2uni acceptă, fie.
În cazul uni2ascii implicit, numai caractere din afara intervalului ASCII sunt convertite. Chiar dacă ASCII sunt, de asemenea, convertite, liniile noi sunt păstrate decât dacă se solicită în mod explicit convertirea lor. Caractere spațiu sunt, de asemenea, păstrate decât dacă se solicită în mod explicit de conversie. În cazul celor trei personaje spațiu non-ASCII (spațiu etiopiană cuvânt, spațiu Ogham și spațiu ideografic), în cazul în care caracterele de spațiu nu sunt convertite, acestea sunt înlocuite cu spațiu ASCII (0x20), astfel încât să mențină producția în 7- bit interval ASCII.
Acest pachet conține patru programe. Programul principal este uni2ascii. Este scris în C și trebuie să fie elaborate. uni2html.py este predecesorul a uni2ascii. După cum este scris în Python, aceasta nu trebuie să fie elaborate și ar trebui să ruleze pe aproape orice computer curent. uni2ascii este altfel superioară în care:
- Acesta generează o gamă mai largă de formate de ieșire.
- Se afla la aproximativ 20 de ori mai rapid.
- Se ocupa de intrare în deplină 32 de biți gama Unicode. În schimb, uni2html ocupă numai
Basic Multilingual Plane (Plan 0), deoarece, în prezent, Python reprezintă Unicode Text codificat, folosind intern întregi de 16-biți. Dacă v-ați primit mesajul de la, să zicem, Linear B sau ugaritic, ai nevoie de uni2ascii.
Face o treaba mai buna de erori de raportare. În cazul în care întâlnește o eroare în intrarea sa, cum ar fi-mal format UTF-8, acesta raportează locația erorii atât în ​​ceea ce numărul de caractere de la începutul fișierului (începând de la 0) și în ceea ce privește numărul de octet de începutul fișierului (dar începând de la 0). (Numărul de caractere și a numărului octet nu sunt în general aceleași, deoarece un caracter codificat UTF-8 ocupă una la patru octeți.) Numai Rapoartele versiune Python numărul de caractere. uni2ascii oferă de asemenea, informații despre natura erorii.
Treilea program, ascii2uni, este inversul uni2ascii. Acceptă text care conține o varietate de reprezentări ASCII de caractere Unicode și generează UTF-8 Unicode.
Al patrulea program, ascii2uni.py, citește ASCII pe 7 biți care conține Unicode, așa cum este folosit în Python și Tcl, și îl convertește la UTF-8 Unicode scăpat-u. Acesta este programul original de care ascii2uni este o generalizare

Ce este nou în această versiune:.

• Fixed bug în uni2ascii în care, în anumite cazuri, numărul subsitution era prea mare, de stabilire Debian bug # 626268.
• patch pentru a gestiona situația în care nu are NetBSD getline.
• semantică opțiunii pur limpezite ca transformarea de caractere în intervalul ascii altele decât spațiu și newline. Bug fix în care aceasta nu a fost pusă în aplicare în mod corect pentru tipurile UTF8.

Ce este nou în versiunea 4.17:

• Adaugat la uni2ascii următoarele conversii la cel mai apropiat echivalent ascii: U 2022 bullet la "o", U + 00B7 punct de mijloc pentru a perioadă, U + 0085 lângă linie la linie nouă, U + 2028 linie separator de linie nouă.

Ce este nou în versiunea 4.16:

• formatul Q lucrează din nou în ascii2uni
.
• Adaugat U + 2033 DOUBLE PRIME pentru personajele convertit la cel mai apropiat echivalent ascii sub utilizând formatul e în uni2ascii.

Ce este nou în versiunea 4.15:

• endian.h redenumit u2a_endian.h pentru a elimina un conflict cu endian.h extern.
• copie Eliminat de GNU getline din ascii2uni.c cum este standard, de POSIX2008.

Ce este nou în versiunea 4.14:

• Fixed un bug care a interferat cu utilizarea formatului Q în uni2ascii.
• Fixed bug în care ascification de U + 2502 și U + 2503 adaugă ghilimele la ieșirea.
• Fixed un bug în care -A opțiune S generat un & quot; Convertit atât de multe caractere & quot; line pentru fiecare personaj din cauza lăsând în codul de depanare.

Ce este nou în versiunea 4.13:

• Fixed bug care a cauzat număr excesiv de caractere schimbat la ASCII la raportate.

Ce este nou în versiunea 4.12:

• Ambele programe permit acum numele fișierului de intrare să fie specificate pe linia de comandă, fără redirecționare.

Ce este nou în versiunea 4.11:

• Această versiune adaugă suport pentru & lt; XX & gt; & lt; XX & gt; și formate% uXXXX.

Ce este nou în versiunea 4.10:

• Această versiune stabilește un bug care a făcut argumentul Y la flag -a de ascii2uni un nu-op, și corectează paginile de manual și de a ajuta pentru argumentele Y și Q la steagul -a pentru ambele programe.
• Argumentul Y este acum o eroare de uni2ascii.
• Informațiile versiune și acțiunea rezumate sunt mai informative.