domingo, 7 de maio de 2017

Convertendo arquivos-texto de ISO8859 para UTF-8 e vice-versa

A maioria das distribuições GNU/Linux, em suas versões mais modernas, mudou para o padrão Unicode na representação de texto. Nesse padrão, caracteres acentuados e especiais são representados por mais de um byte. Você pode ver a diferença digitando o seguinte comando numa janela de terminal:

echo -n ç|wc -c

Se a resposta for 1, seu sistema ainda usa a codificação antiga (ISO8859, a mesma do Windows). Se for 2, ele usa a nova.

Os scripts Perl abaixo fazem a conversão do conteúdo de um arquivo texto de um padrão para o outro. Eles funcionam exclusivamente como filtro, ou seja, você tem que "pipear" os dados através deles, assim:

iso2utf8 <arquivo-criado-no-windows.txt >arquivo-com-acentos-corrigidos.txt

Ou:

man comando | col -b | utf82iso >arquivo-a-ser-lido-no-debian.txt

Os scripts em si são de uma simplicidade atroz:

#!/usr/bin/perl # # iso2utf8 - Converte texto de ISO8859 para UTF-8 # use Encode; while(<STDIN>){ print encode("utf8", decode("iso-8859-1", $_)); } #!/usr/bin/perl # # utf82iso - Converte texto de UTF-8 para ISO8859 # use Encode; while(<STDIN>){ print encode("iso-8859-1", decode("utf8", $_)); }

0 comentários :

Postar um comentário

Este blog não é destinado apenas para adultos, portanto não seram admitidos propagandas, linguagem impropria, ofensiva ou obsena que caracterize atitudes evidentes de desrespeito ou grosseria e/ou nada que a desperte curiosidade ou a atenção de menores ou contribuir para que eles adotem valores morais ou hábitos incompatíveis com a menoridade.
As pessoas que inflingir estas regras serão denunciadas ao setor de analize de conteúdo do Google podendo ter sua conta encerrada permanentemente.