Charset

De WikiLICC
Ir para: navegação, pesquisa

O charset iso-8859-1 é o charset para códigos de caracteres latinos. Assim letras acentuadas serão representadas por apenas um caractere. 

palavra -   Hexadecimal  
Ação    -   41-E7-E3-6F

O charset utf-8 é uma tabela de caracteres [multibyte], ou seja, alguns caracteres serão representados no arquivo como 2 ou mais caracteres ASCII (o que pode dificultar a utilização de funções Lenght). 

palavra |   Unicode                      | Hexadecimal
Ação    |   U+0041 U+00E7 U+00E3 U+006F  | 41,C3 A7,C3 A3,6F

Digitando os caracteres

Cada uma das partes abaixo pode estar configurada de maneira diferente.

O sistema operacional

Para verificar qual charset o sistema linux está usando: 

[user@euler]$ locale
LANG=pt_BR.UTF-8
LC_CTYPE="pt_BR.UTF-8"
...

Gentoo

Todos os locales disponíveis estão em 

[hunter]$ ls /usr/share/i18n/locales/
..
pt_BR
pt_PT
en_US
en_GB
...

e os locales com suporte no sistema estão em 

[hunter]$ vi /usr/share/i18n/SUPPORTED
..
pt_BR.UTF-8 UTF-8
pt_BR
pt_PT.UTF-8 UTF-8
pt_PT ISO-8859-1
..
  • No arquivo /etc/locale.gen estão os locales a serem instalados no sistema
[hunter]$ vi /etc/locale.gen
..
pt_BR ISO-8859-1
pt_BR UTF-8
pt_BR.UTF-8 UTF-8
..
  • Force a instalação dos locales
[hunter]$ locale-gen
  • Verifique os locales instalados
[hunter]$ locale -a
C
POSIX
pt_BR
pt_BR.iso88591
pt_BR.utf8

A variável LANG e LC_ALL (quem sabe as outras) devem conter uns dos itens acima 

[hunter]$ locale
LANG=pt_BR
LC_ALL=pt_BR
LC_CTYPE="pt_BR"
...

Fedora

Para verificar os locales utilizados: 

[fedora]$ locale 
LANG=en_US.utf8
LC_CTYPE="en_US.utf8"
...

Todos os locales disponíveis estão em 

[fedora]$ ls /usr/share/i18n/locales/
..
pt_BR
en_US
...
  • No arquivo /etc/locale.conf estão os locales a serem instalados no sistema
[fedora]$ more /etc/locale.conf
LANG="en_US.UTF-8"
  • Force a instalação dos locales
[hunter]$ locale-gen
  • Verifique os locales instalados
[hunter]$ locale -a
C
POSIX
pt_BR
pt_BR.iso88591
pt_BR.utf8

A variável LANG e LC_ALL (quem sabe as outras) devem conter uns dos itens acima 

[hunter]$ locale
LANG=pt_BR
LC_ALL=pt_BR
LC_CTYPE="pt_BR"
...

OpenBSD

Não achei o comando locale. Assim temos que seguir o que está setado (até eu descobrir como mudar).

Acho que os locales disponíveis estão em 

[euler]$ ls /usr/share/i18n/locale/
..
pt_PT.ISO8859-1/
pt_PT.ISO8859-15/
en_US.UTF-8/
en_US.ISO8859-1/
en_GB.ISO8859-1/
...
  • No arquivo /etc/profile temos a linha
[euler]$ egrep 'LANG|LC_' /etc/profile
LC_CTYPE=pt_PT.ISO8859-1

Usando o comando set temos a única variável definida 

[euler]$ set | egrep 'LANG|LC_'
LC_CTYPE=pt_PT.ISO8859-1

O truque é usar esse locale no início do script PHP para o comando strtolower funcionar.

O cliente SSH

Usando o Putty, clicando em Settings/Windows/Translations podemos selecionar a tabela charset.

O editor

O editor de texto usado deve ser capaz de salvar usando a tabela de caracteres desejada.

vi

No arquivo de configuração do vi (diretório home), temos 

[user@euler] more ~/.vimrc
...
set fileencodings=utf-8,latin1
...

Assim os arquivos podem ser editados nesses formatos.

Se um arquivo iso-8859-1 é editado com um cliente SSH (em UTF-8), o arquivo é convertido ao abrir para UTF-8 e convertido de volta ao salvar para iso-8859-1 (veja [1]).

Use :language para ver a linguagem usada pelo vi 

:language
Current language: "pt_BR.UTF-8"

O arquivo html

Para utf-8 use o cabeçalho 

<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />

e para iso-8859-1 use 

<meta http-equiv="Content-Type" content="text/html; charset=iso-8859-1" />

O arquivo php

Para algumas funções funcionarem como strtolower, strtoupper deve ser colocado no início do script. 

<?php 
setlocale(LC_CTYPE  ,'pt_PT.ISO8859-1');
echo strtolower('AÇÃO');
?>

ou na hunter 

<?php 
setlocale(LC_CTYPE  ,'pt_BR');
echo strtolower('AÇÃO');
?>

Setar o locale na Euler

Editar no arquivo php.ini o valor da diretiva auto_prepend_file 

[user@euler]$ vi /usr/local/php5/lib/php.ini
..
auto_prepend_file = /CAMINHO/SetLocale.php
..

O arquivo SetLocale.php deve conter algo como 

[user@euler]$ vi SetLocale.php
<?php
$MyEulerLocale=setlocale(LC_CTYPE, 'pt_PT.ISO8859-1');
if($MyEulerLocale !== 'pt_PT.ISO8859-1'){echo "Warning: Nao consegui escolher locale. (SetLocale.php)\n";};
unset($MyEulerLocale);
?>

O servidor Apache

Ao enviar uma página para o cliente web, o servidor apache avisa qual tipo de charset é utilizado. 

[user@euler]$ more http.conf
...
AddDefaultCharset ISO-8859-1
...

O cliente Firefox/Internet Explorer

O Firefox verifica qual encoding foi informado pelo servidor web (no exemplo ISO-8859-1). Todas as páginas saindo desse servidor serão padrão ISO-8859-1, mesmo que especificado de forma contrária no cabeçalho html.

Clicando em Tools/Page Info/General podemos ver o Encoding e as tags meta.

Veja Também

Ligações Externas

Disponível em "http://hunter.mat.ufrgs.br/mediawiki/index.php?title=Charset&oldid=3778"