Outils pour utilisateurs

Outils du site


linux:utf8 (lu 24891 fois)

Différences

Ci-dessous, les différences entre deux révisions de la page.

Lien vers cette vue comparative

Les deux révisions précédentes Révision précédente
Prochaine révision
Révision précédente
linux:utf8 [29-02-2012 10:15]
edmc73
linux:utf8 [03-05-2016 14:16] (Version actuelle)
edmc73 [Fichier hybride]
Ligne 74: Ligne 74:
 |euc-kr |coréen (Unix uniquement)| |euc-kr |coréen (Unix uniquement)|
 |cp936 |chinois simplifié (Windows uniquement)| |cp936 |chinois simplifié (Windows uniquement)|
-|euc-cn |chinois simplifié (Unix uniquement)|+|euc-cn |chinois simplifié (Unix uniquement)|U+2018 (Left Single Quotation Mark)
 |cp950 |chinois classique (sur Unix, alias pour big5)| |cp950 |chinois classique (sur Unix, alias pour big5)|
 |big5 |chinois classique (sur Windows, alias pour cp950)| |big5 |chinois classique (sur Windows, alias pour cp950)|
Ligne 89: Ligne 89:
  
 ===== Script pour réencoder les fichiers d'un site web ===== ===== Script pour réencoder les fichiers d'un site web =====
 +Ce script permet d'encoder des fichiers en utf8.\\
 +Modifiez les variables **chemin** et **extension** suivant ce que vous voulez faire.\\
 +Rendez exécutable le script avec **chmod +x encode_utf8.bash**\\
 +Puis lancez le **./encode_utf8.bash**
  
 +Le script va analyser tous les fichiers du répertoire et des sous répertoire que vous avez spécifié.\\
 +Si l'encodage est **iso-8859-1**, la commande **recode** encode le fichier en utf8.\\
 +Si l'encodage est **utf-8**, rien n'est fait.\\
 +Si l'encodage est différent, le script vous demandera si vous voulez tenter d'encoder le fichier en **utf-8**.
  
 +D'après mes tests, certains fichiers apparaissent en **us-ascii** et je ne suis pas parvenu à les encoder en **utf-8** mais ces fichiers ne semblent pas poser de problèmes.
 +
 +<file bash encode_utf8.bash>
 +#!/bin/bash
 +
 +# Renseigner le répertoire à traiter
 +chemin="/var/www/siteweb/"
 +extension="php|html|css|js"
 +
 +atraiter=`/usr/bin/find $chemin -regextype posix-extended -type f -iregex '.*\.('${extension}')$'`
 +
 +for i in $atraiter
 +do
 +        enc=`file --mime-encoding $i | awk '{ print $2 }'`
 +        if [ $enc = "iso-8859-1" ] ; then
 +                recode $enc..utf-8 $i
 +                echo -e "$i \\033[1;32m Conversion effectuée \\033[0;39m"
 +        elif [ $enc = "utf-8" ] ; then
 +                echo -e "$i \\033[1;36m Déjà en utf8 \\033[0;39m"
 +        else
 +                echo -e "\\033[1;31m /!\\ \\033[0;39m $i\nEncodage: $enc"
 +                PS3="> L'encodage de ce fichier n'est pas standard, voulez vous essayer de le convertir quand même en UTF8 ?"   # le prompt
 +                LISTE=("[o] oui" "[n]  non" # liste de choix disponibles
 +                select CHOIX in "${LISTE[@]}" ; do
 +                    case $REPLY in
 +                        1|o)
 +                        recode $enc..utf-8 $i
 +                        echo -e "\\033[1;32m Conversion effectuée \\033[0;39m"
 +                        break
 +                        ;;
 +                        2|n)
 +                        echo Aucun réencodage de fait.
 +                        break
 +                        ;;
 +                    esac
 +                done
 +        fi
 +done
 +
 +echo
 +</file>
 +
 +===== Mysql =====
 +
 +Soit vous réencodé toute la base comme détaillé sur ce site http://docs.moodle.org/19/fr/Convertir_votre_base_MySQL_en_UTF-8
 +
 +Soit vous faite la méthode comme moi qui consite à rajouter la ligne
 +  mysql_query("SET NAMES 'utf8'");
 +Dans votre fichier de connexion à la base.
 +
 +===== Réencoder des noms de fichiers avec des caractères bizarre =====
 +L'utilitaire qui va bien est **detox**
 +
 +Le plus simple, mettez dans un répertoire tous les avec des caractères bizarre et lancez la commande
 +  detox *
 +Le nom de vos fichiers sera lisible ;)
 +
 +Plein d'options dans le man http://linux.die.net/man/1/detox
 +
 +===== Caractères problématiques =====
 +
 +Certains caractères issue de traitement de texte ou de système d'exploitation genre MacOS génère des caractères qui font planter les manipulations d'insertion de données dans des bases de données genre postgresql..
 +
 +Bref, il faut alors faire des rechercher/remplacer sur ces caractères spécifiques.
 +
 +Caractères spéciaux courant à rechercher
 +
 +  * U+2018 (Left Single Quotation Mark)
 +<html>&#8216;</html>
 +
 +  * U+201C (left double quotation mark)
 +<html>&#8220;</html>
 +
 +  * U+201D (right double quotation mark)
 +<html>&#8221;</html>
 +
 +  * U+AB (left double angle quotes)
 +<html>&#171;</html>
 +
 +  * U+BB (right double angle quotes)
 +<html>&#187;</html>
 +
 +  * U+2026 (horizontal ellipsis) 0xe280a6
 +<html>&#8230;</html>
 +
 +
 +On peut aussi afficher le caractère dans postgresql avec la requête
 +  select convert_from('\xe280a6'::bytea, 'utf-8');
 +si vous avez une vieille version
 +  select convert_from(E'\xe2\x80\xa6'::bytea, 'utf-8');
linux/utf8.1330506908.txt.gz · Dernière modification: 04-04-2013 22:05 (modification externe)