kcc - Dalam talian di Awan

JADUAL:

NAMA

kcc - Pelindung kod Kanji dengan pengesanan auto pengekodan

SINOPSIS

kcc [ -IOchnvxz ] [ -b bufsize ] [ fail ] ...

DESCRIPTION

kcc ialah penapis yang berbunyi fail secara berurutan, menukar pengekodan dan output kanji kepada
stdout. Jika tiada fail dinyatakan, atau dinyatakan - sebagai nama fail, ia dibaca daripada stdin. Awak boleh
nyatakan pengekodan kanji untuk input/output. Walau bagaimanapun, kcc mengesan pengekodan input secara automatik,
jika anda tidak menyatakan pengekodan input.

Pengekodan kanji yang tersedia ialah JIS (7 bit dan/atau 8 bit), Shift JISEUCDEC. Untuk input
pengekodan, anda boleh campurkan apabila ini adalah pasangan salah satu EUC DEC atau Shift JIS dan 7 bit JIS.
SI/SOESC(Saya diiktiraf sebagai separuh lebar JIS.

PILIHAN

-O
-IO I untuk memasukkan pengekodan kanji¡¤O untuk pengekodan kanji keluaran. Apabila tiada pengekodan input
ditentukan, ia akan dikesan secara automatik, dan jika kedua-dua input/output tidak
ditentukan, pengekodan output ialah 7 bit JIS.

Anda boleh menentukan salah satu daripada yang berikut untuk pilihan pengekodan input, I.

e EUC (tersedia dengan 7 bit JIS )
d DEC (tersedia dengan 7 bit JIS )
s Shift JIS (tersedia dengan 7 bit JIS )
j7 or k
7 bit JIS
8 8 bit JIS

Anda boleh menentukan salah satu daripada yang berikut untuk pilihan pengekodan output, O.

e EUC
d Disember
s Anjakan JIS
jXY or 7XY
7 bit JIS(menggunakanSI/SO untuk sebutan JIS kana)
kXY 7 bit JIS(menggunakanESC(I untuk sebutan JIS kana)
8XY 8 bit JIS

By XY in O pilihan, Anda boleh menentukan urutan pelarian yang digunakan dalam pengekodan JIS. BJ
adalah lalai. Penamaan kanji tambahan ditetapkan kepada ESC$(D

X Kanji ditetapkan oleh:
B ESC$B(JIS X0208-1983)
@ ESC$@(JIS X0208-1978)
+ ESC&@ESC$B(JIS X0212-1990)
Y Alpha Numerical ditetapkan oleh:
B ESC(B(ASCII)
J ESC(J(JIS Roman; JIS X0201)
H ESC(H(Sweden; sangat tidak digunakan)

-v output hasil pengesanan pengekodan input kepada stderr.

-x Mod sambungan. Dengan pengesanan automatik pengekodan input, kenal pasti pengguna
aksara dan kawasan aksara lanjutan ( di luar julat EUC, separuh lebar tidak ditentukan
kana, aksara kawalan, kawasan C1 dan/atau kawasan aksara lanjutan Shift C1 JIS ).
Membezakan antara DEC dan EUC dilakukan dalam mod ini.

-z Mod kecilkan. Jangan kenali kana separuh lebar (kecuali 7 bit JIS ) dengan pengekodan input
pengesanan. Dengan pilihan ini, ketepatan pengesanan automatik pengekodan input menjadi
lebih baik untuk fail tanpa kana separuh lebar.

-h Biasanya, Apabila ditukar kana separuh lebar kepada DEC , ia menjadi Katakana lebar penuh.
Dengan pilihan ini, ia menjadi Hiragana.

-n aksara yang ditentukan pengguna, aksara lanjutan dan aksara kanji tambahan
ditukarkan kepada kotak putih lebar penuh, dan rantau kana separuh lebar yang tidak ditentukan ialah
ditukar kepada titik berpusat separuh lebar.

-b bufsize
nyatakan saiz penimbal. 8kbait adalah lalai.

-c jangan tukar tetapi semak pengekodan input dan cetak hasil ke stdout. Berbeza dengan
pengesanan automatik biasa, keseluruhan kandungan fail disemak. Namun, apabila
ketidakselarasan pengekodan didapati, hentikan bacaan dan cetak "data". Pilihan
kecuali -x¡¤-z tidak dipedulikan.

CONTOH

% kcc -e fail
Pengekodan input dikesan secara automatik, dan output dalam pengekodan EUC.

% kcc -sj file1 file2
Dua fail dalam Shift JIS digabungkan dengan menukar kepada JIS.

% arahan | kcc -k+J
keluaran dari arahan adalah ditukar kepada JIS(JIS JIS X0208 JIS JIS Roman¡¤ESC(I Separuh lebar
Kana JIS )

% kcc -c fail
Pengekodan kandungan fail dikesan (tiada penukaran)

pepijat

Pengesanan automatik pengekodan input dilakukan dengan baik untuk kes biasa, namun, ia mempunyai
masalah berikut.

7 bit JIS diiktiraf oleh urutan pelarian dalam keadaan tertentu. EUC dan DEC adalah sama (dirujuk
sebagai siri EUC). Kana separuh lebar JIS 8 bit adalah sama dengan kana separuh lebar Shift JIS
(dirujuk sebagai siri Shift JIS). Walau bagaimanapun, siri EUC dan JIS , yang kedua-duanya adalah 8 bit
pengekodan, berkongsi kawasan yang sama secara meluas. Jadi, masalah dalam pengesanan automatik adalah
pengesanan 2 pengekodan ini.

Pengesanan siri EUC/Siri Anjakan JIS dilakukan mengikut baris demi baris, Apabila didapati bahawa
ia bukan siri Shift JIS, atau ia bukan siri EUC, pengekodan ditentukan. Bila
ketidakkonsistenan didapati, ia akan dianggap sebagai "data" dan kandungan output tidak
dijamin.

Walaupun ditentukan antara siri EUC/siri Shift JIS selepas kod 8bit ditemui, penukaran
sedang menunggu dan meletakkan data input dalam penimbal, walau bagaimanapun, penimbal telah penuh, ia menganggap ia adalah EUC
siri dan daya untuk memulakan penukaran. Rasional. Biasanya, kita boleh menganggap bahawa dokumen
dengan kanji termasuk JIS bukan kanji atau standard pertama JIS, ia boleh dikesan secara pasti jika
ia adalah Shift JIS , yang tidak berkongsi rantau dengan EUC. Jadi jika tidak dapat ditentukan,
kemungkinan besar ia adalah EUC.

8 bit JIS dan ia sentiasa mempunyai nombor genap jujukan kana separuh lebar, maka ia akan menjadi
salah dikesan sebagai kanji EUC. Jadilah ceraful.

Jika pengekodan input tidak mempunyai kana separuh lebar, gunakan -z dan ketepatan pengesanan menjadi
lebih baik. Ini kerana wilayah kongsi terhad kepada kawasan JIS kedua
piawaian.

Kawasan lanjutan bagi kawasan tetapan pengguna Shift JIS bagi EUC, aksara kawalan C1 EUC,
rantau yang tidak ditentukan bagi kana separuh lebar EUC berada di luar julat pengesanan automatik, jadi ia akan
gagal mengesan pengekodan jika input mempunyai aksara ini. guna -x pilihan untuk ditentukan
mod lanjutan, atau nyatakan kod input.

Gunakan kcc dalam talian menggunakan perkhidmatan onworks.net