enc2xs - ക്ലൗഡിൽ ഓൺലൈനിൽ

പട്ടിക:

NAME

enc2xs -- പേൾ എൻകോഡ് മൊഡ്യൂൾ ജനറേറ്റർ

സിനോപ്സിസ്

enc2xs -[ഓപ്ഷനുകൾ]
enc2xs -M മോഡ്നെയിം മാപ്പ്ഫയലുകൾ...
enc2xs -C

വിവരണം

enc2xs യൂണികോഡ് ക്യാരക്ടർ മാപ്പിംഗിൽ നിന്ന് എൻകോഡ് ഉപയോഗിക്കുന്നതിനായി ഒരു Perl എക്സ്റ്റൻഷൻ നിർമ്മിക്കുന്നു
ഫയലുകൾ (.ucm) അല്ലെങ്കിൽ Tcl എൻകോഡിംഗ് ഫയലുകൾ (.enc). നിർമ്മാണ സമയത്ത് ആന്തരികമായി ഉപയോഗിക്കുന്നതിന് പുറമെ
എൻകോഡ് മൊഡ്യൂളിന്റെ പ്രക്രിയ, നിങ്ങൾക്ക് ഉപയോഗിക്കാം enc2xs നിങ്ങളുടെ സ്വന്തം എൻകോഡിംഗ് perl-ലേക്ക് ചേർക്കാൻ. ഇല്ല
XS നെക്കുറിച്ചുള്ള അറിവ് ആവശ്യമാണ്.

ദ്രുത വഴികാട്ടി

നിങ്ങൾക്ക് പേളിനെക്കുറിച്ച് കഴിയുന്നത്ര കുറച്ച് മാത്രമേ അറിയാൻ കഴിയൂ, പക്ഷേ ഒരു പുതിയ എൻകോഡിംഗ് ചേർക്കേണ്ടതുണ്ടെങ്കിൽ
ഈ അധ്യായം വായിച്ച് ബാക്കി മറക്കുക.

0. ഒരു .ucm ഫയൽ തയ്യാറായിരിക്കുക. നിങ്ങൾക്ക് അത് എവിടെ നിന്നെങ്കിലും ലഭിക്കും അല്ലെങ്കിൽ നിങ്ങൾക്ക് സ്വന്തമായി എഴുതാം
സ്ക്രാച്ച് അല്ലെങ്കിൽ നിങ്ങൾക്ക് എൻകോഡ് വിതരണത്തിൽ നിന്ന് ഒരെണ്ണം പിടിച്ച് ഇഷ്ടാനുസൃതമാക്കാം. വേണ്ടി
UCM ഫോർമാറ്റ്, അടുത്ത അധ്യായം കാണുക. ചുവടെയുള്ള ഉദാഹരണത്തിൽ, ഞാൻ എന്റെ സൈദ്ധാന്തികമെന്ന് വിളിക്കും
myascii എൻകോഡിംഗ്, നിർവചിച്ചിരിക്കുന്നത് my.ucm. "$" ഒരു ഷെൽ പ്രോംപ്റ്റാണ്.

$ ls -F
my.ucm

1. ഇനിപ്പറയുന്ന രീതിയിൽ ഒരു കമാൻഡ് നൽകുക;

$ enc2xs -M My my.ucm
Makefile.PL സൃഷ്ടിക്കുന്നു
My.pm സൃഷ്ടിക്കുന്നു
README സൃഷ്ടിക്കുന്നു
മാറ്റങ്ങൾ സൃഷ്ടിക്കുന്നു

ഇപ്പോൾ നിങ്ങളുടെ നിലവിലെ ഡയറക്ടറി നോക്കുക. ഇത് ഇതുപോലെ ആയിരിക്കണം.

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

ഇനിപ്പറയുന്ന ഫയലുകൾ സൃഷ്ടിച്ചു.

Makefile.PL - MakeMaker സ്ക്രിപ്റ്റ്
My.pm - സബ്മോഡ്യൂൾ എൻകോഡ് ചെയ്യുക
t/My.t - ടെസ്റ്റ് ഫയൽ

1.1.
മൊഡ്യൂളുകൾക്കൊപ്പം *.ucm ഇൻസ്റ്റാൾ ചെയ്യണമെങ്കിൽ, ഇനിപ്പറയുന്ന രീതിയിൽ ചെയ്യുക;

$ mkdir എൻകോഡ്
$ mv *.ucm എൻകോഡ്
$ enc2xs -M എന്റെ എൻകോഡ്/*ucm

2. സൃഷ്ടിച്ച ഫയലുകൾ എഡിറ്റ് ചെയ്യുക. നിങ്ങൾക്ക് സമയവും ഉദ്ദേശവുമില്ലെങ്കിൽ നിങ്ങൾ ചെയ്യേണ്ടതില്ല
അത് മറ്റൊരാൾക്ക് കൊടുക്കുക. എന്നാൽ പോഡ് എഡിറ്റ് ചെയ്യുന്നതും കൂടുതൽ ടെസ്റ്റുകൾ ചേർക്കുന്നതും നല്ലതാണ്.

3. ഇപ്പോൾ എല്ലാ പേൾ മോംഗേഴ്സും ഇഷ്ടപ്പെടുന്ന ഒരു കമാൻഡ് നൽകുക:

$ perl Makefile.PL
എൻകോഡിനായി Makefile എഴുതുന്നു::My

4. ഇപ്പോൾ നിങ്ങൾ ചെയ്യേണ്ടത് ഉണ്ടാക്കുക എന്നതാണ്.

$ നിർമ്മിക്കുക
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
myascii (myascii) വായിക്കുന്നു
സമാഹരിച്ച ഫോം എഴുതുന്നു
സ്ട്രിംഗ് ടേബിളിൽ 128 ബൈറ്റുകൾ
384 ബൈറ്റുകൾ (75%) സ്പോട്ടിംഗ് ഡ്യൂപ്ലിക്കേറ്റുകൾ സംരക്ഷിച്ചു
സബ്‌സ്‌ട്രിംഗുകൾ ഉപയോഗിച്ച് 1 ബൈറ്റുകൾ (0.775%) സംരക്ഷിച്ചു
....
chmod 644 blib/arch/auto/Encode/My/My.bs
$

നിങ്ങളുടെ മെഷീൻ എത്ര വേഗമേറിയതാണെന്നും നിങ്ങളുടെ വലിപ്പം എത്രയാണെന്നും അനുസരിച്ചുള്ള സമയം വ്യത്യാസപ്പെടുന്നു
എൻകോഡിംഗ് ആണ്. നിങ്ങൾ euc-tw പോലുള്ള വലിയ എന്തെങ്കിലും ജോലി ചെയ്യുന്നില്ലെങ്കിൽ, അതിനും എടുക്കില്ല
നീളമുള്ള.

5. നിങ്ങൾക്ക് ഇതിനകം തന്നെ "ഇൻസ്റ്റാൾ ചെയ്യാം" എന്നാൽ നിങ്ങൾ ആദ്യം പരീക്ഷിക്കണം.

$ പരീക്ഷണം നടത്തുക
PERL_DL_NONLAZY=1 /usr/local/bin/perl -Iblib/arch -Iblib/lib \
-e 'ഉപയോഗ ടെസ്റ്റ്:: ഹാർനെസ് qw(&runtests $verbose); \
$verbose=0; @ARGV;' t/*.t
t/My....ok
എല്ലാ ടെസ്റ്റുകളും വിജയിച്ചു.
ഫയലുകൾ=1, ടെസ്റ്റുകൾ=2, 0 വാൾക്ലോക്ക് സെക്കൻഡ്
( 0.09 cusr + 0.01 csys = 0.09 CPU)

6. പരിശോധനാ ഫലത്തിൽ നിങ്ങൾ സംതൃപ്തനാണെങ്കിൽ, "ഇൻസ്റ്റാൾ ചെയ്യുക"

7. എൻകോഡിന്റെ ഡിമാൻഡ് ലോഡിംഗ് ലിസ്റ്റിലേക്ക് നിങ്ങളുടെ എൻകോഡിംഗ് ചേർക്കണമെങ്കിൽ (അതിനാൽ നിങ്ങൾ ചെയ്യേണ്ടതില്ല
"എൻകോഡ് ഉപയോഗിക്കുക::YourEncoding"), പ്രവർത്തിപ്പിക്കുക

enc2xs -C

എൻകോഡ് അപ്ഡേറ്റ് ചെയ്യാൻ::ConfigLocal, പ്രാദേശിക ക്രമീകരണങ്ങൾ നിയന്ത്രിക്കുന്ന ഒരു മൊഡ്യൂൾ. അതിനുശേഷം,
"എൻകോഡ് ഉപയോഗിക്കുക;" നിങ്ങളുടെ എൻകോഡിംഗുകൾ ആവശ്യാനുസരണം ലോഡ് ചെയ്യാൻ ഇത് മതിയാകും.

ദി യൂണിക്കോഡ് കഥാപാത്രം ഭൂപടം

ഉറവിട പ്രതീക മാപ്പിംഗിനായി എൻകോഡ് യൂണികോഡ് ക്യാരക്ടർ മാപ്പ് (UCM) ഫോർമാറ്റ് ഉപയോഗിക്കുന്നു. ഈ
ഐബിഎമ്മിന്റെ ഐസിയു പാക്കേജാണ് ഫോർമാറ്റ് ഉപയോഗിക്കുന്നത്, ഇത് നിക്ക് ഇംഗ്-സിമ്മൺസ് സ്വീകരിച്ചു.
മൊഡ്യൂൾ എൻകോഡ് ചെയ്യുക. Tcl-ന്റെ എൻകോഡിംഗ് മാപ്പിനെക്കാൾ UCM കൂടുതൽ ഫ്ലെക്സിബിൾ ആയതിനാൽ കൂടുതൽ ഉപയോക്താക്കൾ-
സൗഹൃദമാണ്, ഇപ്പോൾ എൻകോഡിനായി ശുപാർശ ചെയ്യുന്ന ഫോർമാറ്റാണിത്.

ഒരു UCM ഫയൽ ഇതുപോലെ കാണപ്പെടുന്നു.

#
# അഭിപ്രായങ്ങൾ
#
"US-ascii" # ആവശ്യമാണ്
"ascii" # ഓപ്ഷണൽ
1 # ആവശ്യമാണ്; സാധാരണയായി 1
1 # പരമാവധി. # ബൈറ്റുകൾ/ചാർ
\x3F # സബ്സ്റ്റിറ്റ്യൂഷൻ ചാർ
#
ചാർമപ്പ്
\x0000 |00 #
\x0001 |01 #
\x0002 |02 #
....
\x007C |7 # വെർട്ടിക്കൽ ലൈൻ
\x007D |7 # വലത് ചുരുണ്ട ബ്രാക്കറ്റ്
\x007E |7 # TILDE
\x007F |7 #
CHARMAP അവസാനിപ്പിക്കുക

· "#" എന്നതിന് ശേഷമുള്ള എന്തും ഒരു കമന്റായി കണക്കാക്കുന്നു.

· CHARMAP എന്ന വാക്ക് അടങ്ങിയ ഒരു വരി വരെ തലക്കെട്ട് വിഭാഗം തുടരും. ഈ വിഭാഗം
ഒരു രൂപമുണ്ട് മൂല്യം, ഒരു വരിയിൽ ഒരു ജോടി. മൂല്യങ്ങളായി ഉപയോഗിക്കുന്ന സ്ട്രിംഗുകൾ ആയിരിക്കണം
ഉദ്ധരിച്ചു. നഗ്നപദങ്ങളെ സംഖ്യകളായി കണക്കാക്കുന്നു. \xXX ഒരു ബൈറ്റ് പ്രതിനിധീകരിക്കുന്നു.

മിക്ക കീവേഡുകളും സ്വയം വിശദീകരിക്കുന്നവയാണ്. സബ്ചാർ പകരം വയ്ക്കുന്ന സ്വഭാവം, അല്ല
ഉപകഥാപാത്രം. നിങ്ങൾ ഈ എൻകോഡിംഗിലേക്ക് ഒരു യൂണികോഡ് സീക്വൻസ് ഡീകോഡ് ചെയ്യുമ്പോൾ, എന്നാൽ പൊരുത്തപ്പെടുന്നില്ല
പ്രതീകം കണ്ടെത്തി, ഇവിടെ നിർവചിച്ചിരിക്കുന്ന ബൈറ്റ് സീക്വൻസ് ഉപയോഗിക്കും. മിക്ക കേസുകളിലും, ദി
ഇവിടെ മൂല്യം \x3F ആണ്; ASCII-ൽ ഇതൊരു ചോദ്യചിഹ്നമാണ്.

· CHARMAP പ്രതീക മാപ്പ് വിഭാഗം ആരംഭിക്കുന്നു. ഓരോ വരിക്കും താഴെ പറയുന്ന ഒരു ഫോം ഉണ്ട്:

\xXX.. |0 # അഭിപ്രായം
^^^
| | +- ഫാൾബാക്ക് ഫ്ലാഗ്
| +---------- എൻകോഡ് ചെയ്ത ബൈറ്റ് സീക്വൻസ്
+--------------- ഹെക്‌സിൽ യൂണികോഡ് പ്രതീക ഐഡി

ഫോൾബാക്ക് ഫ്ലാഗ് ഒഴികെയുള്ള ഫോർമാറ്റ് ഒരു തലക്കെട്ട് വിഭാഗത്തിന് സമാനമാണ്: |
പിന്നാലെ 0..3. സാധ്യമായ മൂല്യങ്ങളുടെ അർത്ഥം ഇപ്രകാരമാണ്:

|0 റൗണ്ട് ട്രിപ്പ് സുരക്ഷിതം. യൂണികോഡിലേക്ക് ഡീകോഡ് ചെയ്ത ഒരു പ്രതീകം അതേ ബൈറ്റിലേക്ക് തിരികെ എൻകോഡ് ചെയ്യുന്നു
ക്രമം. മിക്ക കഥാപാത്രങ്ങൾക്കും ഈ പതാകയുണ്ട്.

|1 യൂണികോഡ് -> എൻകോഡിംഗിനുള്ള ഫോൾബാക്ക്. കാണുമ്പോൾ, enc2xs ഈ പ്രതീകം ഇതിനായി ചേർക്കുന്നു
മാപ്പ് മാത്രം എൻകോഡ് ചെയ്യുക.

|2 കോഡ് പോയിന്റ് ഇല്ലെങ്കിൽ സബ് ചാർ മാപ്പിംഗ് ഒഴിവാക്കുക.

|3 എൻകോഡിംഗിനായുള്ള ഫാൾബാക്ക് -> യൂണികോഡ്. കാണുമ്പോൾ, enc2xs ഈ പ്രതീകം ഇതിനായി ചേർക്കുന്നു
മാപ്പ് മാത്രം ഡീകോഡ് ചെയ്യുക.

അവസാനമായി, CHARMAP ന്റെ അവസാനം വിഭാഗം അവസാനിക്കുന്നു.

നിങ്ങൾ ഒരു UCM ഫയൽ സ്വമേധയാ സൃഷ്ടിക്കുമ്പോൾ, നിങ്ങൾ ascii.ucm അല്ലെങ്കിൽ നിലവിലുള്ളത് പകർത്തണം
ആദ്യം മുതൽ നിങ്ങളുടേത് എഴുതുന്നതിനുപകരം നിങ്ങളുടേതിന് അടുത്തുള്ള എൻകോഡിംഗ്.

നിങ്ങൾ അങ്ങനെ ചെയ്യുമ്പോൾ, നിങ്ങൾ കുറഞ്ഞത് പോകുന്നുവെന്ന് ഉറപ്പാക്കുക ഉക്സനുമ്ക്സ ലേക്ക് ഉക്സനുമ്ക്സ നിങ്ങളുടെ പരിസരം ഒഴികെ
EBCDIC ആണ്.

മുന്നറിയിപ്പ്: UCM-ലെ എല്ലാ സവിശേഷതകളും നടപ്പിലാക്കിയിട്ടില്ല. ഉദാഹരണത്തിന്, icu:state ഉപയോഗിക്കുന്നില്ല.
അതിനാൽ, അൽഗോരിതം പിന്തുണയ്ക്കണമെങ്കിൽ നിങ്ങൾ ഒരു perl മൊഡ്യൂൾ എഴുതേണ്ടതുണ്ട്
എൻകോഡിംഗുകൾ, പ്രത്യേകിച്ച് ISO-2022 സീരീസ്. അത്തരം മൊഡ്യൂളുകളിൽ എൻകോഡ് ഉൾപ്പെടുന്നു::JP::2022_JP,
എൻകോഡ്::KR::2022_KR, കൂടാതെ എൻകോഡ്::TW::HZ.

നേരിടുന്നു കൂടെ പകര്പ്പ് മാപ്പിംഗുകൾ
നിങ്ങൾ ഒരു മാപ്പ് സൃഷ്ടിക്കുമ്പോൾ, നിങ്ങളുടെ മാപ്പിംഗുകൾ റൌണ്ട്-ട്രിപ്പ് സുരക്ഷിതമാക്കണം. അതാണ്,
"എൻകോഡ്('നിങ്ങളുടെ-എൻകോഡിംഗ്', ഡീകോഡ്('നിങ്ങളുടെ-എൻകോഡിംഗ്', $ഡാറ്റ)) eq $data" എന്നത് എല്ലാത്തിനെയും സൂചിപ്പിക്കുന്നു
"|0" എന്ന് അടയാളപ്പെടുത്തിയ പ്രതീകങ്ങൾ. എങ്ങനെ ഉറപ്പാക്കാമെന്നത് ഇതാ:

· നിങ്ങളുടെ മാപ്പ് യൂണികോഡ് ക്രമത്തിൽ അടുക്കുക.

· നിങ്ങൾക്ക് ഒരു ഡ്യൂപ്ലിക്കേറ്റ് എൻട്രി ഉണ്ടെങ്കിൽ, ഒന്നുകിൽ '|1' അല്ലെങ്കിൽ '|3' എന്ന് അടയാളപ്പെടുത്തുക.

· കൂടാതെ '|1' അല്ലെങ്കിൽ '|3' എൻട്രി '|0' എൻട്രിയെ പിന്തുടരുന്നുവെന്ന് ഉറപ്പാക്കുക.

big5-eten-ൽ നിന്നുള്ള ഒരു ഉദാഹരണം ഇതാ.

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

ആന്തരികമായി എൻകോഡിംഗ് -> യൂണികോഡും യൂണികോഡും -> എൻകോഡിംഗ് മാപ്പ് ഇതുപോലെ കാണപ്പെടുന്നു;

E മുതൽ UU മുതൽ E വരെ
--------------------------------------
\xF9\xF9 => U2550 U2550 => \xF9\xF9
\xA2\xA4 => U2550

അതിനാൽ ഇത് \xF9\xF9-ന് സുരക്ഷിതമാണ്. എന്നാൽ മുകളിലെ വരി തലകീഴായി ആണെങ്കിൽ, ഇവിടെ എന്താണ്
സംഭവിക്കുന്നു.

E മുതൽ UU മുതൽ E വരെ
--------------------------------------
\xA2\xA4 => U2550 U2550 => \xF9\xF9
(\xF9\xF9 => U2550 ഇപ്പോൾ തിരുത്തിയെഴുതിയിരിക്കുന്നു!)

എൻകോഡ് പാക്കേജ് വരുന്നു ucmlint, ഒരു ക്രൂഡ് എന്നാൽ പരിശോധിക്കാൻ മതിയായ യൂട്ടിലിറ്റി
ഒരു UCM ഫയലിന്റെ സമഗ്രത. ഇതിനായി എൻകോഡ്/ബിൻ ഡയറക്‌ടറിക്ക് കീഴിൽ പരിശോധിക്കുക.

സംശയമുണ്ടെങ്കിൽ, നിങ്ങൾക്ക് ഉപയോഗിക്കാം ucmsort, എൻകോഡ്/ബിൻ ഡയറക്ടറിക്ക് കീഴിലുള്ള മറ്റൊരു യൂട്ടിലിറ്റി.

ബുക്ക്മാർക്കുകൾ

· ICU ഹോം പേജ്http://www.icu-project.org/>

· ICU ക്യാരക്ടർ മാപ്പിംഗ് ടേബിളുകൾhttp://site.icu-project.org/charts/charset>

· ICU:പരിവർത്തന ഡാറ്റhttp://www.icu-project.org/userguide/conversion-data.html>

onworks.net സേവനങ്ങൾ ഉപയോഗിച്ച് enc2xs ഓൺലൈനായി ഉപയോഗിക്കുക