enc2xs - Online na nuvem

PROGRAMA:

NOME

enc2xs - Gerador de Módulo Perl Encode

SINOPSE

enc2xs - [opções]
enc2xs -M ModName mapfiles ...
enc2xs -C

DESCRIÇÃO

enc2xs constrói uma extensão Perl para uso pelo Encode de qualquer Unicode Character Mapping
arquivos (.ucm) ou arquivos de codificação Tcl (.enc). Além de ser usado internamente durante a construção
processo do módulo Encode, você pode usar enc2xs para adicionar sua própria codificação ao perl. Não
conhecimento de XS é necessário.

Links Guia

Se você quiser saber o menos possível sobre Perl, mas precisa adicionar uma nova codificação, basta
leia este capítulo e esqueça o resto.

0. Tenha um arquivo .ucm pronto. Você pode obtê-lo de algum lugar ou pode escrever o seu próprio em
scratch ou você pode pegar um da distribuição Encode e personalizá-lo. Para o
Formato UCM, consulte o próximo capítulo. No exemplo abaixo, chamarei meu teórico
codificação myascii, definido em meu.ucm. "$" é um prompt de shell.

$ls-F
meu.ucm

1. Emita um comando da seguinte maneira;

$ enc2xs -M Meu meu.ucm
gerando Makefile.PL
gerando My.pm
gerando README
gerando mudanças

Agora dê uma olhada em seu diretório atual. Deve ser assim.

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

Os seguintes arquivos foram criados.

Makefile.PL - script MakeMaker
My.pm - Codificar submódulo
t / My.t - arquivo de teste

1.1.
Se você quiser * .ucm instalado junto com os módulos, faça o seguinte;

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

2. Edite os arquivos gerados. Você não precisa se não tiver tempo E nenhuma intenção de
dê a outra pessoa. Mas é uma boa ideia editar o pod e adicionar mais testes.

3. Agora emita um comando que todos os Perl Mongers adoram:

$ perl Makefile.PL
Escrevendo Makefile para Encode :: My

4. Agora, tudo que você precisa fazer é fazer.

Faça $
cp My.pm blib / lib / Encode / My.pm
/ usr / local / bin / perl / usr / local / bin / enc2xs -Q -O \
-o codificar_t.c -f codificar_t.fnm
Lendo myascii (myascii)
Escrevendo formulário compilado
128 bytes em tabelas de string
384 bytes (75%) salvas em duplicatas
1 byte (0.775%) salvo usando substrings
....
chmod 644 blib / arch / auto / Encode / My / My.bs
$

O tempo que leva varia dependendo da velocidade da sua máquina e do tamanho do seu
codificação é. A menos que você esteja trabalhando em algo grande como euc-tw, não vai demorar muito
longo.

5. Você já pode "fazer a instalação", mas deve testar primeiro.

$ make teste
PERL_DL_NONLAZY = 1 / usr / local / bin / perl -Iblib / arch -Iblib / lib \
-e 'use Test :: Harness qw (& runtests $ verbose); \
$ verbose = 0; runtests @ARGV; ' t / *. t
t / meu .... ok
Todos os testes foram bem-sucedidos.
Arquivos = 1, testes = 2, 0 segundos de relógio de parede
(0.09 cusr + 0.01 csys = 0.09 CPU)

6. Se você estiver satisfeito com o resultado do teste, apenas "make install"

7. Se você deseja adicionar sua codificação à lista de carregamento por demanda do Encode (para que você não precise
"use Encode :: YourEncoding"), execute

enc2xs -C

para atualizar Encode :: ConfigLocal, um módulo que controla as configurações locais. Depois disso,
"use Encode;" é o suficiente para carregar suas codificações sob demanda.

A Unicode Personagem Mapa

A codificação usa o formato Unicode Character Map (UCM) para mapeamentos de caracteres de origem. Esse
formato é usado pelo pacote ICU da IBM e foi adotado por Nick Ing-Simmons para uso com o
Módulo de codificação. Uma vez que o UCM é mais flexível do que o mapa de codificação do Tcl e muito mais
amigável, este é o formato recomendado para Codificar agora.

Um arquivo UCM se parece com isso.

#
# Comentários
#
"US-ascii" # Obrigatório
"ascii" # Opcional
1 # Obrigatório; geralmente 1
1 # máx. # de bytes / char
\ x3F # Substituição char
#
MAPA DE ENCANTO
\ x0000 | 00 #
\ x0001 | 01 #
\ x0002 | 02 #
....
\ x007C | 7 # LINHA VERTICAL
\ x007D | 7 # SUPORTE CURLY DIREITO
\ x007E | 7 # TILDE
\ x007F | 7 #
FIM DO CHARMAP

· Tudo o que segue "#" é tratado como um comentário.

· A seção do cabeçalho continua até uma linha contendo a palavra CHARMAP. Esta seção
tem uma forma de valor, um par por linha. Strings usadas como valores devem ser
citado. Barewords são tratados como números. \ xXX representa um byte.

A maioria das palavras-chave são autoexplicativas. subchar significa caractere de substituição, não
subcaractere. Quando você decodifica uma sequência Unicode para esta codificação, mas sem correspondência
caractere for encontrado, a seqüência de bytes definida aqui será usada. Na maioria dos casos, o
o valor aqui é \ x3F; em ASCII, é um ponto de interrogação.

· CHARMAP inicia a seção do mapa de personagens. Cada linha tem o seguinte formato:

\ xXX .. | 0 # comentário
^^^
| | + - Bandeira reserva
| + -------- Sequência de bytes codificados
+ -------------- ID de caractere Unicode em hexadecimal

O formato é quase o mesmo que uma seção de cabeçalho, exceto pelo sinalizador de fallback: |
seguido por 0..3. O significado dos valores possíveis é o seguinte:

| 0 Seguro de ida e volta. Um caractere decodificado para Unicode codifica de volta para o mesmo byte
seqüência. A maioria dos personagens tem esta bandeira.

| 1 Fallback para Unicode -> codificação. Quando visto, enc2xs adiciona este caractere para o
codificar apenas o mapa.

| 2 Ignore o mapeamento de subcaracteres caso não haja nenhum ponto de código.

| 3 Fallback para codificação -> unicode. Quando visto, enc2xs adiciona este caractere para o
decodifique apenas o mapa.

· E finalmente, END OF CHARMAP encerra a seção.

Ao criar manualmente um arquivo UCM, você deve copiar ascii.ucm ou um existente
codificação próxima à sua, em vez de escrever a sua própria do zero.

Ao fazer isso, certifique-se de deixar pelo menos U0000 para U0020 como está, a menos que seu ambiente
é EBCDIC.

EMBARGO: nem todos os recursos do UCM são implementados. Por exemplo, icu: state não é usado.
Por causa disso, você precisa escrever um módulo perl se quiser dar suporte a algoritmos
codificações, principalmente a série ISO-2022. Esses módulos incluem Encode :: JP :: 2022_JP,
Encode :: KR :: 2022_KR e Encode :: TW :: HZ.

Lidar com duplicar mapeamentos
Ao criar um mapa, você DEVE tornar seus mapeamentos seguros de ida e volta. Isso é,
"encode ('your-encoding', decode ('your-encoding', $ data)) eq $ data" significa todos
caracteres marcados como "| 0". Veja como ter certeza:

· Classifique seu mapa em ordem Unicode.

· Quando você tiver uma entrada duplicada, marque qualquer uma com '| 1' ou '| 3'.

· E certifique-se de que a entrada '| 1' ou '| 3' SEGUE a entrada '| 0'.

Aqui está um exemplo de big5-eten.

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

Codificação interna -> Unicode e Unicode -> Mapa de codificação tem esta aparência;

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

Portanto, é seguro para viagens de ida e volta para \ xF9 \ xF9. Mas se a linha acima está de cabeça para baixo, aqui está o que
acontece.

E para UU para E
--------------------------------------
\ xA2 \ xA4 => U2550 U2550 => \ xF9 \ xF9
(\ xF9 \ xF9 => U2550 agora foi substituído!)

O pacote Encode vem com ucmlint, um utilitário bruto, mas suficiente para verificar o
integridade de um arquivo UCM. Verifique no diretório Encode / bin para isso.

Em caso de dúvida, você pode usar ucmsort, ainda outro utilitário no diretório Encode / bin.

Bookmarks

· Home Page da UTIhttp://www.icu-project.org/>

· Tabelas de mapeamento de caracteres ICUhttp://site.icu-project.org/charts/charset>

· ICU: Dados de conversãohttp://www.icu-project.org/userguide/conversion-data.html>

Use enc2xs online usando serviços onworks.net