enc2xs - آنلاین در ابر

برنامه:

نام

enc2xs -- Perl Encode Generator Module

خلاصه

enc2xs - [گزینه‌ها]
نقشه فایل‌های enc2xs -M ModName...
enc2xs -C

شرح

enc2xs یک برنامه افزودنی پرل را برای استفاده توسط Encode از نقشه نویسی یونیکد ایجاد می کند
فایل‌ها (ucm.) یا Tcl Encoding Files (.enc). علاوه بر استفاده داخلی در طول ساخت
فرآیند ماژول Encode، می توانید استفاده کنید enc2xs تا رمزگذاری خود را به پرل اضافه کنید. خیر
دانش XS ضروری است.

سریع راهنما

اگر می خواهید در مورد پرل تا حد امکان اطلاعات کمی داشته باشید، اما باید یک رمزگذاری جدید اضافه کنید، فقط
این فصل را بخوانید و بقیه را فراموش کنید.

0. یک فایل ucm آماده داشته باشید. شما می توانید آن را از جایی دریافت کنید یا می توانید آن را از جایی بنویسید
خراش دهید یا می توانید یکی را از توزیع Encode بردارید و آن را سفارشی کنید. برای
فرمت UCM، به فصل بعدی مراجعه کنید. در مثال زیر، من نظری خود را می نامم
رمزگذاری myascii، تعریف شده در my.ucm. "$" یک دستور پوسته است.

$ ls -F
my.ucm

1. دستور زیر را صادر کنید.

$ enc2xs -M my.ucm من
ایجاد Makefile.PL
تولید My.pm
تولید README
ایجاد تغییرات

اکنون به فهرست راهنمای فعلی خود نگاهی بیندازید. می بایست شبیه به این باشه.

$ ls -F
Makefile.PL My.pm my.ucm t/

فایل های زیر ایجاد شد.

Makefile.PL - اسکریپت MakeMaker
My.pm - زیر ماژول را رمزگذاری کنید
t/My.t - فایل تست

1.1.
اگر می خواهید *.ucm همراه با ماژول ها نصب شود، به صورت زیر عمل کنید.

$ mkdir رمزگذاری کنید
$ mv *.ucm رمزگذاری کنید
$ enc2xs -M My Encode/*ucm

2. فایل های تولید شده را ویرایش کنید. اگر وقت و قصد ندارید مجبور نیستید
آن را به دیگری بدهید اما این ایده خوبی است که پاد را ویرایش کنید و تست های بیشتری اضافه کنید.

3. اکنون دستوری را صادر کنید که همه پرل مونگرها دوست دارند:

$ perl Makefile.PL
نوشتن Makefile برای Encode::My

4. اکنون تنها کاری که باید انجام دهید این است که بسازید.

$ ساخت
cp My.pm blib/lib/Encode/My.pm
/usr/local/bin/perl /usr/local/bin/enc2xs -Q -O \
-o encode_t.c -f encode_t.fnm
خواندن myascii (myascii)
نوشتن فرم کامپایل شده
128 بایت در جداول رشته
384 بایت (75%) موارد تکراری ذخیره شده
1 بایت (0.775٪) با استفاده از رشته های فرعی ذخیره شد
....
chmod 644 blib/arch/auto/Encode/My/My.bs
$

مدت زمانی که طول می کشد بسته به سرعت دستگاه و اندازه شما متفاوت است
رمزگذاری است. تا زمانی که روی چیز بزرگی مانند euc-tw کار نکنید، این کار هم لازم نیست
طولانی

5. شما می توانید از قبل "را نصب کنید" اما ابتدا باید تست کنید.

تست ساخت دلار
PERL_DL_NONLAZY=1 /usr/local/bin/perl -Iblib/arch -Iblib/lib \
-e 'استفاده از Test::Harness qw(&runtests $verbose); \
$verbose=0; runtests @ARGV;' t/*.t
T/My.... باشه
تمام تست ها با موفقیت
فایل ها = 1، تست ها = 2، 0 ثانیه ساعت دیواری
( 0.09 cusr + 0.01 csys = 0.09 CPU)

6. اگر از نتیجه آزمایش راضی هستید، فقط "make install" را انجام دهید.

7. اگر می خواهید رمزگذاری خود را به لیست بارگیری تقاضای Encode اضافه کنید (بنابراین لازم نیست
"استفاده از Encode::YourEncoding")، اجرا شود

enc2xs -C

برای به روز رسانی Encode::ConfigLocal، ماژولی که تنظیمات محلی را کنترل می کند. بعد از آن،
"استفاده از رمزگذاری؛" برای بارگذاری کدهای شما در صورت تقاضا کافی است.

La یونیکد شخصیت نقشه

Encode از فرمت Unicode Character Map (UCM) برای نگاشت کاراکترهای منبع استفاده می کند. این
قالب توسط بسته ICU IBM استفاده می شود و توسط نیک اینگ سیمونز برای استفاده با
کدگذاری ماژول از آنجایی که UCM نسبت به نقشه رمزگذاری Tcl انعطاف پذیرتر است و کاربر بسیار بیشتر است.
دوستانه، این فرمت پیشنهادی برای Encode در حال حاضر است.

یک فایل UCM شبیه این است.

#
# نظرات
#
"US-ascii" # مورد نیاز است
"ascii" # اختیاری
1 # مورد نیاز؛ معمولا 1
1 # حداکثر # بایت/کاراکتر
\x3F # کاراکتر جایگزین
#
جذابیت
\x0000 |00 #
\x0001 |01 #
\x0002 |02 #
....
\x007C | 7 # خط عمودی
\x007D |7 # براکت مجعد سمت راست
\x007E |7 # TILDE
\x007F |7 #
END CHARMAP

· هر چیزی که به دنبال "#" باشد به عنوان یک نظر تلقی می شود.

· قسمت سرصفحه تا خطی که حاوی کلمه CHARMAP باشد ادامه می یابد. این بخش
شکلی دارد ارزش، یک جفت در هر خط. رشته هایی که به عنوان مقادیر استفاده می شوند باید باشند
نقل شده است. کلمات خالی به عنوان اعداد در نظر گرفته می شوند. \xXX یک بایت را نشان می دهد.

اکثر کلمات کلیدی خود توضیحی هستند. زیرنویس به معنای شخصیت جایگزین است، نه
شخصیت فرعی وقتی یک دنباله یونیکد را با این رمزگذاری رمزگشایی می کنید اما مطابقت ندارد
کاراکتر پیدا می شود، دنباله بایت تعریف شده در اینجا استفاده خواهد شد. برای اکثر موارد،
مقدار در اینجا \x3F است. در ASCII، این یک علامت سوال است.

· CHARMAP بخش نقشه کاراکتر را شروع می کند. هر خط دارای فرمی به شرح زیر است:

\xXX.. |0 # نظر
^^^
| | +- پرچم برگشتی
| +-------- توالی بایت کدگذاری شده
+-------------- شناسه کاراکتر یونیکد به صورت هگز

قالب تقریباً مانند یک بخش سرصفحه است به جز پرچم بازگشتی: |
به دنبال آن 0..3. معنی مقادیر ممکن به شرح زیر است:

|0 ایمن رفت و برگشت. یک کاراکتر رمزگشایی شده به یونیکد به همان بایت رمزگذاری می شود
توالی. اکثر شخصیت ها این پرچم را دارند.

|1 جایگزین برای یونیکد -> رمزگذاری. وقتی مشاهده شد، enc2xs این کاراکتر را برای
فقط نقشه را رمزگذاری کنید

|2 اگر نقطه کدی وجود نداشته باشد از نگاشت کاراکتر فرعی رد شوید.

|3 جایگزین برای رمزگذاری -> یونیکد. وقتی مشاهده شد، enc2xs این کاراکتر را برای
فقط نقشه را رمزگشایی کنید

· و در نهایت، END OF CHARMAP بخش را به پایان می رساند.

هنگامی که به صورت دستی یک فایل UCM ایجاد می کنید، باید ascii.ucm یا یک فایل موجود را کپی کنید
رمزگذاری که به شما نزدیک است، نه اینکه خودتان را از ابتدا بنویسید.

وقتی این کار را انجام می دهید، مطمئن شوید که حداقل آن را ترک می کنید U0000 به U0020 همانطور که هست، مگر اینکه محیط شما
EBCDIC است.

هشدار: همه ویژگی ها در UCM پیاده سازی نمی شوند. به عنوان مثال، icu:state استفاده نمی شود.
به همین دلیل، اگر می خواهید الگوریتمی را پشتیبانی کنید، باید یک ماژول perl بنویسید
کدگذاری ها، به ویژه سری ISO-2022. این ماژول ها عبارتند از Encode::JP::2022_JP،
Encode::KR::2022_KR و Encode::TW::HZ.

مقابله با تکراری نگاشت
وقتی نقشه ای ایجاد می کنید، باید نقشه برداری های رفت و برگشت خود را ایمن کنید. به این معنا که،
"encode('your-encoding', decode('your-encoding', $data)) eq $data" مخفف همه است
کاراکترهایی که با "|0" مشخص شده اند. در اینجا نحوه اطمینان یافتن آمده است:

· نقشه خود را به ترتیب یونیکد مرتب کنید.

· هنگامی که یک ورودی تکراری دارید، یکی را با '|1' یا '|3' علامت گذاری کنید.

· و مطمئن شوید که ورودی '|1' یا '|3' از ورودی '|0' پیروی می کند.

در اینجا یک مثال از big5-eten آورده شده است.

\xF2550\xF9 |9
\xA2550\xA2 |4

Encoding داخلی -> Unicode و Unicode -> Encoding Map به این شکل است.

E به UU به E
--------------------------------------
\xF9\xF9 => U2550 U2550 => \xF9\xF9
\xA2\xA4 => U2550

بنابراین برای \xF9\xF9 رفت و برگشت ایمن است. اما اگر خط بالا وارونه است، در اینجا چیزی است
اتفاق می افتد

E به UU به E
--------------------------------------
\xA2\xA4 => U2550 U2550 => \xF9\xF9
(\xF9\xF9 => U2550 اکنون رونویسی شده است!)

بسته Encode همراه است ucmlint، یک ابزار خام اما کافی برای بررسی
یکپارچگی یک فایل UCM برای این کار زیر دایرکتوری Encode/bin را بررسی کنید.

در صورت شک، می توانید استفاده کنید ucmsort، یکی دیگر از ابزارهای موجود در فهرست کد Encode/bin.

توسعه

· صفحه اصلی ICUhttp://www.icu-project.org/>

· جداول نقشه برداری کاراکتر ICUhttp://site.icu-project.org/charts/charset>

· ICU: داده های تبدیلhttp://www.icu-project.org/userguide/conversion-data.html>

با استفاده از خدمات onworks.net از enc2xs به صورت آنلاین استفاده کنید