Как я могу найти путь файла в текстовом кодировании используемым PosteRazor?
PosteRazor использует по-видимому устаревший GUI, который неспособен к надлежащему отображению моих имен файлов:
Ради удобства я хочу смочь открыть любой файл в PosteRazor путем копирования и вставки его пути от Наутилуса. Это работает в других приложениях, но к сожалению, PosteRazor не может понять путь:
Как я могу преобразовать путь, который Наутилус генерирует в текст, кодирующий, который совместим с PosteRazor?
Пакет Ubuntu для PosteRazor перечисляет зависимость от Быстрого Легкого Инструментария (FLTK). Документация его программиста относительно Unicode похожа на него, мог бы содержать необходимую информацию для ответа на мой вопрос, но я не уверен, как интерпретировать его.
Подробнее
Некоторое демонстрационное содержание:
Путь, поскольку это исходно появляется в Наутилусе:
/home/ak/café/north-america.jpgТот же путь, поскольку это исходно появляется в PosteRazor:
Содержание буфера обмена после копирования пути от Наутилуса:
$ xclip -out -selection clipboard -target TARGETS TIMESTAMP TARGETS MULTIPLE x-special/gnome-copied-files text/uri-list UTF8_STRING COMPOUND_TEXT TEXT STRING text/plain;charset=utf-8 text/plain $ xclip -out -selection clipboard -target STRING | hexdump -C 00000000 2f 68 6f 6d 65 2f 61 6b 2f 63 61 66 e9 2f 6e 6f |/home/ak/caf./no| 00000010 72 74 68 2d 61 6d 65 72 69 63 61 2e 6a 70 67 |rth-america.jpg| 0000001f $ xclip -out -selection clipboard -target UTF8_STRING | hexdump -C 00000000 2f 68 6f 6d 65 2f 61 6b 2f 63 61 66 c3 a9 2f 6e |/home/ak/caf../n| 00000010 6f 72 74 68 2d 61 6d 65 72 69 63 61 2e 6a 70 67 |orth-america.jpg| 00000020 $ xclip -out -selection clipboard -target text/plain | hexdump -C 00000000 2f 68 6f 6d 65 2f 61 6b 2f 63 61 66 5c 75 30 30 |/home/ak/caf\u00| 00000010 65 39 2f 6e 6f 72 74 68 2d 61 6d 65 72 69 63 61 |e9/north-america| 00000020 2e 6a 70 67 |.jpg| 00000024 $ xclip -out -selection clipboard -target 'text/plain;charset=utf-8' | hexdump -C 00000000 2f 68 6f 6d 65 2f 61 6b 2f 63 61 66 c3 a9 2f 6e |/home/ak/caf../n| 00000010 6f 72 74 68 2d 61 6d 65 72 69 63 61 2e 6a 70 67 |orth-america.jpg| 00000020Содержание буфера обмена после копирования пути от PosteRazor:
$ xclip -out -selection clipboard -target TARGETS STRING $ xclip -out -selection clipboard -target STRING | hexdump -C 00000000 2f 68 6f 6d 65 2f 61 6b 2f 63 61 66 c3 a9 2f 6e |/home/ak/caf../n| 00000010 6f 72 74 68 2d 61 6d 65 72 69 63 61 2e 6a 70 67 |orth-america.jpg| 00000020PosteRazor после копирования пути от Наутилуса и вставки его в PosteRazor:
PosteRazor после копирования пути от PosteRazor и вставки его в PosteRazor:
Путь скопирован с PosteRazor и вставлен в Хром:
/home/ak/café/norrth-america.jpgПуть скопирован с PosteRazor и вставлен в Хром и затем скопированный с Хрома и вставляемый назад в PosteRazor:
Содержание буфера обмена после копирования этого от Хрома:
$ xclip -out -selection clipboard -target TARGETS TIMESTAMP TARGETS MULTIPLE SAVE_TARGETS COMPOUND_TEXT STRING TEXT UTF8_STRING text/plain $ xclip -out -selection clipboard -target STRING | hexdump -C 00000000 2f 68 6f 6d 65 2f 61 6b 2f 63 61 66 c3 a9 2f 6e |/home/ak/caf../n| 00000010 6f 72 72 74 68 2d 61 6d 65 72 69 63 61 2e 6a 70 |orrth-america.jp| 00000020 67 |g| 00000021 $ xclip -out -selection clipboard -target UTF8_STRING | hexdump -C 00000000 2f 68 6f 6d 65 2f 61 6b 2f 63 61 66 c3 a9 2f 6e |/home/ak/caf../n| 00000010 6f 72 72 74 68 2d 61 6d 65 72 69 63 61 2e 6a 70 |orrth-america.jp| 00000020 67 |g| 00000021 $ xclip -out -selection clipboard -target text/plain | hexdump -C 00000000 2f 68 6f 6d 65 2f 61 6b 2f 63 61 66 c3 a9 2f 6e |/home/ak/caf../n| 00000010 6f 72 72 74 68 2d 61 6d 65 72 69 63 61 2e 6a 70 |orrth-america.jp| 00000020 67 |g| 00000021Путь скопирован с PosteRazor и вставлен в Терминал GNOME:
Путь скопирован с PosteRazor и вставлен в Терминал GNOME и затем скопированный с Терминала GNOME и вставляемый назад в PosteRazor:
Содержание буфера обмена после копирования этого от Терминала GNOME:
$ xclip -out -selection clipboard -target TARGETS TIMESTAMP TARGETS MULTIPLE SAVE_TARGETS UTF8_STRING COMPOUND_TEXT TEXT STRING text/plain;charset=utf-8 text/plain $ xclip -out -selection clipboard -target STRING | hexdump -C 00000000 2f 68 6f 6d 65 2f 61 6b 2f 63 61 66 e9 2f 6e 6f |/home/ak/caf./no| 00000010 72 74 68 2d 61 6d 65 72 69 63 61 2e 6a 70 67 |rth-america.jpg| 0000001f $ xclip -out -selection clipboard -target UTF8_STRING | hexdump -C 00000000 2f 68 6f 6d 65 2f 61 6b 2f 63 61 66 c3 a9 2f 6e |/home/ak/caf../n| 00000010 6f 72 74 68 2d 61 6d 65 72 69 63 61 2e 6a 70 67 |orth-america.jpg| 00000020 $ xclip -out -selection clipboard -target 'text/plain' | hexdump -C 00000000 2f 68 6f 6d 65 2f 61 6b 2f 63 61 66 5c 75 30 30 |/home/ak/caf\u00| 00000010 65 39 2f 6e 6f 72 74 68 2d 61 6d 65 72 69 63 61 |e9/north-america| 00000020 2e 6a 70 67 |.jpg| 00000024 $ xclip -out -selection clipboard -target 'text/plain;charset=utf-8' | hexdump -C 00000000 2f 68 6f 6d 65 2f 61 6b 2f 63 61 66 c3 a9 2f 6e |/home/ak/caf../n| 00000010 6f 72 74 68 2d 61 6d 65 72 69 63 61 2e 6a 70 67 |orth-america.jpg| 00000020
1 ответ
Обновление: Следующая команда может использоваться:
xclip -out -selection clipboard -target STRING | iconv --from-code ISO-8859-15 --to-code UTF-8 | xclip -in -selection clipboard
Поскольку объяснение прочитало полный ответ.
Для завершенного понимания ответа у Вас должно быть понимание кодовых точек Unicode и кодирования unicode.
Ниже короткие определения и объяснения необходимых условий, но я рекомендую читать о них из источников, упомянутых в конце ответа.
Пространство Кода Unicode: диапазон целых чисел от 0 до 10FFFF16.
Кодовые точки Unicode: Любое значение в Unicode codespace. Кодовая точка соответствует символу, хотя не все кодовые точки присвоены закодированным символам.
UTF-8: UTF-8 (Формат Преобразования UCS - 8-разрядный) является переменной шириной, кодирующей, который может представить каждый символ в наборе символов Unicode. UCS обозначает Универсальный набор символов.
Для первых 128 символов (US-ASCII) нужен один байт. Для следующих 1 920 символов нужны два байта для кодирования. Это покрывает остаток почти от всех полученных из латыни алфавитов, и также греческий язык, кириллицу, коптский, армянский, иврит, арабский, сирийский и алфавиты Tāna, а также Комбинирующий Диакритические знаки.
Это указывает что символ
éто, которое вызывает проблемы, берет два байта для кодирования в UTF-8. Мы проверим его с помощью некоторых команд.ISO/IEC 8859-15: 8-разрядные однобайтовые кодированные графические наборы символов.
Для тестирования я сделал каталог /home/green/Pictures/café/.
После копирования местоположения от nautilus, выводы команд были следующие:
Команда № 1:
$ xclip -out -selection clipboard -target STRING | hexdump -C 00000000 2f 68 6f 6d 65 2f 67 72 65 65 6e 2f 50 69 63 74 |/home/green/Pict| 00000010 75 72 65 73 2f 63 61 66 e9 2f |ures/caf./| 0000001a
Обратите внимание что кодирование café 63 61 66 e9, который в порядке как Кодовая точка Unicode, U+00E9 представляет {LATIN SMALL LETTER E WITH ACUTE} или é.
Команда № 2:
$ xclip -out -selection clipboard -target UTF8_STRING | hexdump -C 00000000 2f 68 6f 6d 65 2f 67 72 65 65 6e 2f 50 69 63 74 |/home/green/Pict| 00000010 75 72 65 73 2f 63 61 66 c3 a9 2f |ures/caf../| 0000001b
В вышеупомянутом выводе, café кодируется как 63 61 66 c3 a9. Это в порядке также потому что кодировка UTF-8 кодовой точки U+00E9 (соответствие é) \xC3\xA9 (\x используется для представления этого, следующие символы являются шестнадцатеричными числами).
\xC3 представляет 1 байт и так делает \xA9. Таким образом UTF-8 нужны 2 байта для представления é.
После копирования того же текста от PosteRazor выводы команд были:
Команда № 1:
$ xclip -out -selection clipboard -target STRING | hexdump -C 00000000 2f 68 6f 6d 65 2f 67 72 65 65 6e 2f 50 69 63 74 |/home/green/Pict| 00000010 75 72 65 73 2f 63 61 66 c3 a9 2f |ures/caf../| 0000001b
Очевидно, Кодовые точки Unicode испорчены. Теперь, у нас есть две кодовых точки (c3 и a9) где должен быть только один (e9).
Неудивительно, эти две кодовых точки т.е. U+00C3 и U+00A9 поддержите {LATIN CAPITAL LETTER A WITH TILDE} И {COPYRIGHT SIGN}, который является тем, в чем мы видели PosteRazor.
Команда № 2:
$ xclip -out -selection clipboard -target UTF8_STRING | hexdump -C 00000000 2f 68 6f 6d 65 2f 67 72 65 65 6e 2f 50 69 63 74 |/home/green/Pict| 00000010 75 72 65 73 2f 63 61 66 c3 a9 2f |ures/caf../| 0000001b
Вывод для этой команды, кажется, остался неизменным, но существует тонкое различие.
В предыдущем выводе \xc3\xa9 сформированный отдельный символ, тогда как теперь \xc3 формы один символ самостоятельно и \xa9 формы другой символ (которые являются Ã и ©, соответственно).
Теперь мы знаем то, что происходит, но как это происходит? Для моделирования того же самого мы будем использовать Python. Я использую Python 3.3.0 здесь.
>>> import unicodedata
>>> a = u'/home/green/Pictures/café'
>>> a
'/home/green/Pictures/café'
>>> a = a.encode('utf-8')
>>> a
b'/home/green/Pictures/caf\xc3\xa9'
>>> a = a.decode('iso-8859-15')
>>> a
'/home/green/Pictures/café'
>>> a = a.encode('utf-8')
>>> a
b'/home/green/Pictures/caf\xc3\x83\xc2\xa9'
Вы видите, что, если мы сначала кодируем строку с помощью UTF-8 и затем декодируем использование ISO-8859-15, затем мы получаем ту же строку, которую мы получаем при использовании PosteRazor.
Теперь, заметьте следующий код. Здесь также, мы скопировали и вставили местоположение от наутилуса:
>>> z = u'/home/green/Pictures/café'
>>> z
'/home/green/Pictures/café'
>>> z = z.encode('iso-8859-15')
>>> z
b'/home/green/Pictures/caf\xe9'
>>> z = z.decode('iso-8859-15')
>>> z
'/home/green/Pictures/café'
Если бы мы закодировали строку с помощью ISO-8859-15 первоначально, то мы получили бы идеальный результат.
Отметьте это \xe9 кодирование для é в ISO-8859-15, которому, по-видимому, нужен один байт. Это совпадает с кодовой точкой Unicode U+00E9, который при кодировании в UTF-8 нуждается в 2 байтах и представлен \xc3\xa9.
Теперь, когда мы знаем, какой и как все продолжается, как мы исправляем его? Ну, можно или преобразовать пути к набору символов ISO-8859-15, или можно просто использовать GUI для выбора файлов.
Источники и дополнительная информация:
- Unicode 6.2.0 PDF - Часть 3.4: Символ и кодирование
- Глоссарий Unicode
- Википедия - UTF-8
- *Википедия - список символов Unicode
- UTF-8 полный символьный список
- Википедия - ISO/IEC 8859-15
- ISO 8859-15 полный символьный список
- StackOverflow - Ответьте на "php к rtf, é становится é"
- *StackOverflow - Декодирующий дважды закодировал utf8 в Python