"à" in vim?

[below]

Hallo,

in meinem vim (OS X 10.5.4, vim 7.0) erscheint das à (a accent grave) als "?| ". "ä" oder "á" erscheinen richtig, und das "à" ist auch richtig in der Datei. Es wird nur nicht richtig dargestellt.

Welche Einstellungen muss ich machen, damit es richtig dargestellt wird?

Danke

Alex

EDIT: Im Terminal sehe ich das "à" richtig.

 

[maceis]

Welche Kodierung hat Deine Datei, bzw. Was gibt vim aus, wenn Du ":set enc" im Kommandomodus eingibst.
Ich verwende utf-8, das von vim mittlerweile recht gut unterstützt wird.

 

[below]

Welche Kodierung hat Deine Datei, bzw. Was gibt vim aus, wenn Du ":set enc" im Kommandomodus eingibst.
Ich verwende utf-8, das von vim mittlerweile recht gut unterstützt wird.

Tatsache! Der Hund sagt Latin-1! So ein Quatsch!

Dass werde ich im gleich mal in der .vimrc abgewöhnen.

Danke

Alex

 

[maceis]

Vorhandene Dateien, die schon in latin-1 abgespeichert sind, kannst Du mit dem Terminalprogramm 'iconv' konvertieren.

 

[below]

Danke, aber bei mir ist eigentlich alles in UTF-8 oder UTF-16

Alex

 

[maceis]

Dateien, die Du mit einem auf latin-1 eingestellten vim abgespeichert hast und die Umlaute o.ä. enthalten vermutlich nicht. Heraufinden könnte man das mit dem 'file' Kommando.

 

[below]

file weiss, ob es UTF-8 oder Latin-1 ist? Wie bekommt es das denn heraus

Alex

 

[MacMark]

file weiss, ob es UTF-8 oder Latin-1 ist? Wie bekommt es das denn heraus

Ist beschrieben ;-) Unter anderem so:

character sets can be distinguished by the different ranges and sequences of bytes that constitute printable text in each set

http://developer.apple.com/documentation/Darwin/Reference/ManPages/man1/file.1.html

 

[below]

Ist beschrieben ;-)
http://developer.apple.com/documentation/Darwin/Reference/ManPages/man1/file.1.html

Richtig, da ist beschrieben, dass sowohl für ISO Latin-1 und UTF-8 als Dateityp "text" zurückgegeben wird.

Alex

 

[MacMark]

... ISO-8859-x ... UTF-8-encoded Unicode ... character sets can be distinguished by the different ranges and sequences of bytes that constitute printable text in each set. If a file passes any of these tests, its character set is reported. ASCII, ISO-8859-x, UTF-8, and extended-ASCII files are identified as ``text'

Dann findet file es wohl heraus, aber erzählt es nur nicht in dem Detail.

Vielleicht hilft ja die Option "-I, --mime" ;-)

Thus it may say ``text/plain; charset=us-ascii'' rather than ``ASCII text''.

 

[below]

Das ganze ist aber auch nur eine grobe Heuristik, die genau dann "UTF-8" ausgibt, wenn man das mit Sicherheit feststellen kann.

http://www.opensource.apple.com/darwinsource/10.5.4/file-23/file/src/ascmagic.c

Alex

 

[MacMark]

... genau dann "UTF-8" ausgibt, wenn man das mit Sicherheit feststellen kann ...

So wünscht man es sich doch, oder?

 

[below]

So wünscht man es sich doch, oder?

Nein, man wünscht sich ein Tool, das es einfach weiss. Aber das gibt es eben nicht.

Alex

 

[MacMark]

Lag "file" bei Deiner Textdatei richtig?
Ist Dir eine Textdatei bekannt, die "file" falsch einordnet? Die dann bitte hier gezippt hochladen oder mir emailen und dazu schreiben, was es tatsächlich sein soll und warum Du es anders als "file" siehst. Das würde mich interessieren.

 

[below]

Ja, das Problem bei "file" ist, dass es diese Überprüfung bei XML Dateien nicht duchführt.

Das werde ich mal ändern

Alex

 

[MacMark]

.. "file" ... diese Überprüfung bei XML Dateien nicht duchführt. ...

XML ist speziell: XML-Dateien deklarieren den Zeichensatz selbst mit "encoding=..." am Anfang. Fehlt dies, dann bedeutet es, daß die bei XML empfohlene Standardcodierung mit UTF-8 vorliegt. Eventuell vorhandene Metadaten der Datei, die andere Aussagen über die Codierung machen, haben jedoch Vorrang.

Sind keine Metadaten vorhanden und läßt sich wegen exotischer Codierung die Deklaration nicht sofort interpretieren (Henne-Ei-Problem), greift Plan B: Da XML mit "<?xml" beginnt, kann der Parser die ersten Bytes lesen und die Codierung feststellen, weil er das Ergebnis kennt.

Referenz: XML in a nutshell, dritte Auflage, Seiten 25 und 378.