Náhrada znaků v TXT v UTF8

[Pavel Troller]

Zdravím,
  mám obavu, že to stačit nebude.
  Chápu-li já správně dotazovatele, ty soubory JSOU v UTF-8, tj. netřeba
je překódovávat a Váš script by patrně zbuchnul na tom, že by chtěl iconv
z UTF-8 do UTF-8.
  Problém je, že kdysi kdesi kdosi chybně tyto soubory do UTF-8 převedl.
Vypadá to, že se domníval, že zdrojové soubory byly v iso-8859-2, avšak
bohužel ony byly v cp-1250. Tudíž konverze nebyla provedena správně.
  Možná by bylo tedy možno zkusit zpětný chod.
  1) Zkonvertit to zpět do kódování, z jakého to bylo převedeno (osobně
používám pro tento účel recode)
  recode UTF-8..iso8859-2 <soubor>
  2) A dále to zkusit správně:
  recode cp1250..UTF-8 <soubor>

  Možné je ale i to, že dotyčný předpokládal, že to je v cp1250, ale ono to
bylo v iso. Tedy pokud toto nepovede k cíli, zaměnil bych kódování v krocích
1 a 2 (v 1 použil cp1250 a ve 2 iso8859-2).
  Zdraví Pavel
  
> Proč otrocky? Vypadá to na problém při konvertování do utf-8 a vybraná 
> špatná kódová strana (neb Microsoft si musel zase ???upravit??? iso normu).
>
> Pošlete (krátký) soubor s problémovým řetězcem a dá se to rychle dohromady.
>
> Před lety jsem to korigoval již zmíněnou enca a iconv;
>
> Tohle je výřez z perlového scriptu
>
> 	my $icode = `enca -i "$file"`;
> 	say "Zdrojové kódování: $icode";
> 	chomp $icode;
> 	`iconv -f $icode -t UTF-8 -o "$dest" --verbose "$file"`;
>
>
> takže enca zjistí zdrojové kódování do $icode, odstraní \n z konce a iconv to převede do souboru $dest ze souboru $file
>
> Bude to stačit takto?
>
> ced
>
>
> Dne 22.3.2014 09:40, Petr Zapadlo napsal(a):
>> Zdravím,
>>
>>
>> neznám původní sadu, ani to jak soubory vznikly a čím byly konvertované. prostě mám stovky souborů s kodováním UTF8, které
>> mají vadné znaky ž,š,ť a jejich velké ekvivalenty. Nic víc a nic míň.
>>
>> Nějak se s tím poperu, zjišťoval jsem jestli existuje ekvivalent tr, který respektoval UTF8, asi ne, tak to budu muset
>> udělat otrocky.
>>
>> Díky za pomoc a přeji pěkný víkend.
>>
>> Petr
>>
>>
>> Dne 22.3.2014 00:36, Milan B. napsal(a):
>>>
>>> Jednoduse: Zkonvertovat to nejdriv do te spatne znakove sady,
>>> tu prohlasit za spravnou a korektne zkonvertovat do utf8.
>>>
>>>
>>> Neopisujte. Tato trivialita, ktora vobec neodpoveda na moju, toboz nie na povodnu otazku, tu uz zaznela:
>>> http://list.hw.cz/pipermail/hw-list/2014-March/454140.html
>>>
>>>
>>>>
>>>> p.t.
>>>>
>>>>
>>>> _______________________________________________
>>>> HW-list mailing list  -  sponsored by www.HW.cz
>>>> Hw-list na list.hw.cz
>>>> http://list.hw.cz/mailman/listinfo/hw-list
>>>
>>> _______________________________________________
>>> HW-list mailing list  -  sponsored by www.HW.cz
>>> Hw-list na list.hw.cz
>>> http://list.hw.cz/mailman/listinfo/hw-list
>>
>> _______________________________________________
>> HW-list mailing list  -  sponsored by www.HW.cz
>> Hw-list na list.hw.cz
>> http://list.hw.cz/mailman/listinfo/hw-list
> _______________________________________________
> HW-list mailing list  -  sponsored by www.HW.cz
> Hw-list na list.hw.cz
> http://list.hw.cz/mailman/listinfo/hw-list