حالت‌های عملکرد (Operation modes)

شامل موارد زیر هستند:

-c, --auto-convert

معادل فراخوانی Enca به‌صورت enconv است.

اگر هیچ انتخاب‌گر نوع خروجی مشخص نشده باشد، کدگذاری‌های فایل را تشخیص می‌دهد، مجموعه نویسهٔ (charset) ترجیحی شما را از localeها حدس می‌زند و فایل‌ها را به آن تبدیل می‌کند (تنها با ویژگی +target-charset-auto در دسترس است).

-g, --guess

معادل فراخوانی Enca به‌صورت enca است.

اگر هیچ انتخاب‌گر نوع خروجی مشخص نشده باشد، کدگذاری‌های فایل را تشخیص داده و آنها را گزارش می‌کند.

انتخاب‌گرهای نوع خروجی (Output type selectors)

مشخص می‌کنند که Enca پس از تعیین کدگذاری چه اقدامی انجام دهد؛ اغلب آنها صرفاً میان نام‌ها، قالب‌ها و قراردادهای مختلف برای شیوهٔ نمایش کدگذاری‌ها انتخاب می‌کنند، اما یکی از آنها (-x) خاص است: به Enca می‌گوید تا فایل‌ها را به یک کدگذاری دیگر یعنی ENC بازکدگذاری کند. این گزینه‌ها مانعة‌الجمع هستند؛ اگر بیش از یک انتخاب‌گر نوع خروجی مشخص کنید، آخرین گزینه اولویت خواهد داشت.

چندین نوع خروجی، بیانگر نام مجموعه نویسه‌ای هستند که توسط برنامه‌ای دیگر استفاده می‌شود، اما تمامی آن برنامه‌ها همهٔ مجموعه نویسه‌هایی را که Enca می‌شناسد پشتیبانی نمی‌کنند. هشدار: Enca در چنین مواردی تفاوتی میان یک مجموعه نویسهٔ ناشناخته و مجموعه نویسه‌ای که در فضای نام (namespace) داده‌شده نامی ندارد قائل نمی‌شود.

-d, --details

قبلاً چند صفحه جزئیات دربارهٔ فرایند حدس زدن چاپ می‌کرد، اما از آنجا که Enca صرفاً برنامه‌ای پیوند‌خورده با کتابخانهٔ Enca است، این کار ممکن نیست و این گزینه تقریباً معادل --human-readable است، با این تفاوت که در صورت عدم تشخیص کدگذاری توسط Enca، دلیل شکست را گزارش می‌کند.

-e, --enca-name

نام مناسبِ Enca برای مجموعه نویسه را چاپ می‌کند؛ یعنی شاید پذیرفته‌شده‌ترین و کم‌وبیش انسان‌خواناترین شناسهٔ مجموعه نویسه، به همراه سطوح (surfaces) پیوست‌شده.

این نام هنگام فراخوانی یک مبدل خارجی نیز استفاده می‌شود.

-f, --human-readable

توصیفی کلامی از مجموعه نویسه و سطوح (surfaces) تشخیص‌داده‌شده را چاپ می‌کند--چیزی که انسان به بهترین نحو آن را متوجه می‌شود. این رفتار پیش‌فرض است.

قالب دقیق به این شرح است: خط نخست تنها شامل نام مجموعه نویسه است و پس از آن صفر یا چند خط تورفته حاوی نام سطوح تشخیص‌داده‌شده می‌آید. با این حال، این قالب برای پردازش‌های ماشینی بعدی مناسب نبوده و برای آن طراحی نشده است، و توصیف‌های کلامی مجموعه نویسه ممکن است در آینده تغییر کنند.

-i, --iconv-name

نحوهٔ نام‌گذاری مجموعه نویسهٔ تشخیص‌داده‌شده توسط iconv(3) (و/یا iconv(1)) را چاپ می‌کند. به طور دقیق‌تر، یکی از نام‌های مستعار پذیرفته‌شده توسط iconv را که کم‌وبیش اختیاری انتخاب شده است چاپ می‌کند. مجموعه نویسه‌ای که برای iconv ناشناخته باشد، ناشناخته تلقی می‌شود.

این نوع خروجی تنها زمانی معنادار است که Enca با پشتیبانی از iconv کامپایل شده باشد (ویژگی +iconv-interface).

-r, --rfc1345-name

نام مجموعه نویسه مطابق با RFC 1345 را چاپ می‌کند. هنگامی که چنین نامی وجود ندارد زیرا RFC 1345 کدگذاری مفروض را تعریف نکرده است، نام دیگری که در یک RFC دیگر تعریف شده یا صرفاً نامی که نویسنده آن را «استانداردترین شکل» می‌داند، چاپ می‌شود.

از آنجا که RFC 1345 سطوح را تعریف نمی‌کند، هیچ اطلاعات سطحی پیوست نمی‌شود.

-m, --mime-name

نام ترجیحی MIME برای مجموعه نویسهٔ تشخیص‌داده‌شده را چاپ می‌کند. این همان نامی است که معمولاً هنگام تصحیح رایانامه‌ها یا صفحات وب باید استفاده کنید.

مجموعه نویسه‌ای که در http://www.iana.org/assignments/character-sets موجود نباشد، ناشناخته تلقی می‌شود.

-s, --cstocs-name

نحوهٔ نام‌گذاری مجموعه نویسهٔ تشخیص‌داده‌شده توسط cstocs(1) را چاپ می‌کند. مجموعه نویسه‌ای که برای cstocs ناشناخته باشد، ناشناخته تلقی می‌شود.

-n, --name=WORD

نام مجموعه نویسه (کدگذاری) انتخاب‌شده توسط WORD را چاپ می‌کند (تا زمانی که نامفهوم نباشد می‌تواند خلاصه شود). برای نام‌های ذکرشده در بالا، --name=WORD معادل --WORD است.

استفاده از aliases به‌عنوان نوع خروجی باعث می‌شود Enca فهرستی از تمام نام‌های مستعار پذیرفته‌شده برای مجموعه نویسهٔ تشخیص‌داده‌شده را چاپ کند.

-x, --convert-to=[..]ENC

فایل را به کدگذاری ENC تبدیل می‌کند.

علامت اختیاری «..» قبل از نام کدگذاری معنای خاصی ندارد، جز اینکه می‌توانید از آن برای یادآوری این نکته استفاده کنید که برخلاف recode(1)، باید کدگذاری موردنظر را به جای کدگذاری فعلی مشخص کنید.

می‌توانید از زنجیره‌های بازکدگذاری recode(1) یا هرگونه مشخصات بازکدگذاری غیراستاندارد دیگر برای ENC استفاده کنید، به شرط آنکه به Enca بگویید از ابزاری برای تبدیل استفاده کند که آن را درک می‌کند (بخش CONVERSION را ببینید).

هنگامی که Enca در تشخیص کدگذاری ناموفق باشد، یک هشدار چاپ کرده و فایل را دست‌نخورده رها می‌کند؛ اگر به‌عنوان یک فیلتر اجرا شود تمام تلاش خود را می‌کند تا ورودی استاندارد را بدون تغییر به خروجی استاندارد رونوشت کند. با این وجود، نباید به آن اتکا کنید و همواره پشتیبان تهیه نمایید.

تنها یک مورد وجود دارد: -L که زبان فایل‌های ورودی را تنظیم می‌کند. این گزینه اجباری است (اما به پایین مراجعه کنید).

-L, --language=LANG

زبان فایل‌های ورودی را به LANG تنظیم می‌کند.

به‌طور دقیق‌تر، LANG می‌تواند هر نام locale معتبر (یا نام مستعار با ویژگی +locale-alias) از زبانی پشتیبانی‌شده باشد. همچنین می‌توانید `none' را به‌عنوان نام زبان مشخص کنید، که در این صورت تنها کدگذاری‌های چندبایتی شناسایی می‌شوند. دستور

enca --list languages

را برای دریافت فهرست زبان‌های پشتیبانی‌شده اجرا کنید. هنگامی که زبانی را مشخص نکنید، Enca تلاش می‌کند زبان شما را از تنظیمات locale حدس بزند و فرض می‌کند فایل‌های ورودی از این زبان استفاده می‌کنند. برای جزئیات به بخش LANGUAGES مراجعه کنید.

پارامترهای تبدیل (Conversion parameters)

کنترل دقیق‌تری روی چگونگی انجام تبدیل مجموعه نویسه‌ها به شما می‌دهند. زمانی که -x به‌عنوان نوع خروجی مشخص نشده باشد، این پارامترها هیچ اثری ندارند. لطفاً برای جزئیات دقیق تبدیل به بخش CONVERSION مراجعه کنید.

-C, --try-converters=LIST

مجموعه LIST جداشده با کاما را به فهرست تبدیل‌کننده‌هایی که هنگام درخواست تبدیل آزمایش می‌شوند، اضافه می‌کند. نام‌های آن‌ها را می‌توان تا زمانی که ابهامی ایجاد نکند، خلاصه کرد. دستور

enca --list converters

را برای دریافت فهرست همه نام‌های معتبر تبدیل‌کننده اجرا کنید (و برای توضیحات آن‌ها بخش CONVERSION را ببینید).

فهرست پیش‌فرض به نحوه کامپایل شدن Enca بستگی دارد، دستور

enca --help

را برای اطلاع از فهرست تبدیل‌کننده‌های پیش‌فرض اجرا کنید.

توجه داشته باشید که فهرست پیش‌فرض تنها زمانی استفاده می‌شود که اصلاً -C را مشخص نکرده باشید. در غیر این صورت، فهرست به گونه‌ای ساخته می‌شود که گویی در ابتدا خالی بوده و هر -C تبدیل‌کننده(های) جدیدی را به آن می‌افزاید. علاوه بر این، مشخص کردن none به‌عنوان نام تبدیل‌کننده باعث پاک شدن فهرست تبدیل‌کننده‌ها می‌شود.

-E, --external-converter-program=PATH

نام برنامه تبدیل‌کننده خارجی را روی PATH تنظیم می‌کند. تبدیل‌کننده خارجی پیش‌فرض بستگی به نحوه کامپایل شدن enca دارد و امکان استفاده از تبدیل‌کننده‌های خارجی ممکن است اصلاً در دسترس نباشد. دستور

enca --help

را برای یافتن برنامه تبدیل‌کننده پیش‌فرض در ساخت enca خود اجرا کنید.

گزینه‌های عمومی (General options)

در دسته‌بندی‌های دیگر گزینه‌ها قرار نمی‌گیرند...

-p, --with-filename

Enca را وادار می‌کند تا نام فایل مربوطه را به‌عنوان پیشوند به هر نتیجه اضافه کند. به‌طور پیش‌فرض، زمانی که Enca روی چندین فایل اجرا شود، نام فایل‌ها را پیشوند نتایج قرار می‌دهد.

ورودی استاندارد به‌صورت STDIN و خروجی استاندارد به‌صورت STDOUT چاپ می‌شود (مورد دوم احتمالاً فقط در پیام‌های خطا دیده خواهد شد).

-P, --no-filename

Enca را وادار می‌کند تا نتایج را با نام فایل‌ها پیشوند نکند. به‌طور پیش‌فرض، Enca هنگام اجرا روی یک فایل واحد (شامل ورودی استاندارد)، نام فایل را پیشوند نتیجه قرار نمی‌دهد.

-V, --verbose

سطح پرگویی (verbosity) را افزایش می‌دهد (هر بار استفاده، آن را یک واحد افزایش می‌دهد).

در حال حاضر این گزینه چندان مفید نیست زیرا بخش‌های مختلف Enca واکنش متفاوتی به سطح پرگویی یکسان نشان می‌دهند و در بیشتر موارد اصلاً واکنشی نشان نمی‌دهند.

همگی پایانی (terminal) هستند؛ یعنی هنگامی که Enca با یکی از آن‌ها مواجه شود، فهرست درخواستی را چاپ کرده و بدون پردازش گزینه‌های بعدی خاتمه می‌یابد.

-h, --help

راهنمای خلاصه‌ای از نحوه استفاده را چاپ می‌کند.

-G, --license

مجوز کامل Enca را چاپ می‌کند (در صورت امکان، از طریق یک صفحه‌بند).

-l, --list=WORD

فهرست مشخص‌شده توسط WORD را چاپ می‌کند (تا زمانی که ابهامی وجود نداشته باشد، می‌تواند به‌صورت مختصر آورده شود). فهرست‌های موجود شامل موارد زیر هستند:

built-in-charsets. تمام کدگذاری‌های قابل تبدیل توسط تبدیل‌کننده توکار (built-in)، بر اساس گروه (برای تبدیل داخلی، هر دو کدگذاری ورودی و خروجی باید از این فهرست بوده و متعلق به یک گروه باشند).

built-in-encodings. معادل built-in-charsets است، اما منسوخ در نظر گرفته می‌شود؛ برای مدتی با یک هشدار پذیرفته خواهد شد.

converters. تمام نام‌های معتبر تبدیل‌کننده (جهت استفاده با -C).

charsets. تمام کدگذاری‌ها (مجموعه‌نویسه‌ها). می‌توانید مشخص کنید چه نام‌هایی با --name یا هر گزینش‌گرِ نوع نام خروجی دیگری چاپ شوند (البته در این حالت تنها کدگذاری‌هایی چاپ می‌شوند که در فضای نام داده‌شده، نامی داشته باشند)؛ این گزینش‌گر باید پیش از --list مشخص شود.

encodings. معادل charsets است، اما منسوخ در نظر گرفته می‌شود؛ برای مدتی با یک هشدار پذیرفته خواهد شد.

languages. تمام زبان‌های پشتیبانی‌شده به همراه مجموعه‌نویسه‌های متعلق به آن‌ها. توجه داشته باشید که در اینجا نوع خروجی، سبک نام زبان را انتخاب می‌کند نه سبک نام مجموعه‌نویسه را.

names. تمام مقادیر ممکن برای گزینه --name.

lists. تمام مقادیر ممکن برای این گزینه. (عجیب است؟)

surfaces. تمام سطوحی (surfaces) که Enca می‌شناسد.

-v, --version

نسخه برنامه و فهرست ویژگی‌ها را چاپ می‌کند (بخش ویژگی‌ها (FEATURES) را ببینید).

تبدیل‌کنندهٔ Librecode (Librecode converter)

رابطی به کتابخانهٔ GNU recode است که وظیفهٔ اصلی بازکدگذاری را انجام می‌دهد. ممکن است در زمان کامپایل گنجانده شده باشد یا نباشد؛ دستور زیر را اجرا کنید

تا از در دسترس بودن آن در ساخت enca خود مطلع شوید (ویژگی +librecode-interface).

پیش از استفاده باید با recode(1) آشنایی داشته باشید، چرا که recode ابزاری نسبتاً پیچیده و قدرتمند برای تبدیل مجموعه نویسه‌ها است. ممکن است هنگام استفاده از آن به همراه Enca با مشکلاتی مواجه شوید، به‌ویژه به این دلیل که پشتیبانی Enca از سطوح (surfaces) کاملاً سازگار نیست، به این دلیل که recode بیش از حد تلاش می‌کند تا تبدیل را برگشت‌پذیر کند، به این دلیل که گاهی اوقات خطاهای I/O را بی‌صدا نادیده می‌گیرد، و به این دلیل که به‌طرز باورنکردنی دارای اشکال (buggy) است. لطفاً برای جزئیات دربارهٔ کتابخانهٔ recode، صفحات info مربوط به GNU recode را مشاهده کنید.

این تبدیل‌کننده را می‌توان با -C به صورت librecode مشخص کرد.

تبدیل‌کنندهٔ Iconv (Iconv converter)

رابطی به توابع تبدیل iconv(3) در UNIX98 است که وظیفهٔ اصلی بازکدگذاری را انجام می‌دهند. ممکن است در زمان کامپایل گنجانده شده باشد یا نباشد؛ دستور زیر را اجرا کنید

تا از در دسترس بودن آن در ساخت enca خود مطلع شوید (ویژگی +iconv-interface).

اگرچه iconv در اکثر سیستم‌های امروزی وجود دارد، اما به‌ندرت مجموعه‌ای کاربردی از تبدیل‌های موجود را ارائه می‌دهد؛ تنها استثنای قابل توجه iconv موجود در GNU libc است. همچنین معمولاً در مورد سطوح (surfaces) بسیار سخت‌گیر است (در حالی که، در همان زمان، تبدیل سطح را پیاده‌سازی نمی‌کند). با این حال، احتمالاً تنها ابزار استاندارد(سازی‌شده‌ای) است که قادر به انجام تبدیل از/به یونیکد است. لطفاً برای جزئیات دربارهٔ قابلیت‌های آن در سیستم خاص خود، مستندات iconv را ببینید.

این تبدیل‌کننده را می‌توان با -C به صورت iconv مشخص کرد.

تبدیل‌کنندهٔ خارجی (External converter)

یک ابزار تبدیل خارجی دلخواه است که می‌تواند با گزینهٔ -E مشخص شود (در آنِ واحد حداکثر یکی می‌تواند تعریف شود). چند تبدیل‌کنندهٔ استاندارد وجود دارد که همراه با enca ارائه می‌شوند: cstocs، recode، map، umap و piconv. همگی اسکریپت‌های پوششی هستند: برای cstocs(1)، recode(1)، map(1)، umap(1) و piconv(1).

لطفاً توجه داشته باشید که enca کنترل کمی بر آنچه تبدیل‌کنندهٔ خارجی واقعاً انجام می‌دهد دارد. اگر آن را روی /bin/rm تنظیم کنید، مسئولیت عواقب آن کاملاً بر عهدهٔ خودتان خواهد بود.

اگر می‌خواهید تبدیل‌کنندهٔ اختصاصی خود را برای استفاده با enca بسازید، باید بدانید که همیشه به این صورت فراخوانی می‌شود:

که در آن CONVERTER مقداری است که توسط -E تعیین شده، ENC_CURRENT کدگذاری شناسایی‌شده است، ENC مقداری است که با -x مشخص شده، و FILE فایلی است که باید تبدیل شود؛ یعنی برای هر فایل به‌طور جداگانه فراخوانی می‌شود. پارامتر چهارم اختیاری، -، باید باعث شود (در صورت وجود) که نتیجهٔ تبدیل به جای بازنویسیِ فایل FILE، به خروجی استاندارد ارسال شود. تبدیل‌کننده همچنین باید مراقب باشد که مجوزهای فایل را تغییر ندهد، در صورت شکست کد خطای 1 را برگرداند و فایل‌های موقت خود را پاک‌سازی کند. لطفاً برای نمونه‌ها به تبدیل‌کننده‌های خارجی استاندارد مراجعه کنید.

این تبدیل‌کننده را می‌توان با -C به صورت extern مشخص کرد.

روش سرراست برای تعیین مجموعه نویسهٔ مقصد، استفاده از گزینهٔ -x است که بر هر مقدار پیش‌فرضی ارجحیت دارد. هنگامی که Enca با نام enconv فراخوانی شود، مجموعه نویسه پیش‌فرض مقصد دقیقاً به همان روش recode(1) انتخاب می‌شود.

اگر متغیر محیطی DEFAULT_CHARSET مقداردهی شده باشد، از آن به عنوان مجموعه نویسه مقصد استفاده می‌شود.

در غیر این صورت، اگر سیستم شما تابع nl_langinfo(3) را ارائه دهد، مجموعه نویسه بومیِ لوکال جاری به عنوان مجموعه نویسه مقصد به کار می‌رود.

هنگامی که هر دو روش با شکست مواجه شوند، Enca اعلام خطا کرده و متوقف می‌شود.

نکاتی درباره بازگشت‌پذیری

اگر بازگشت‌پذیری برای شما حیاتی است، اصلاً نباید از enca به عنوان تبدیل‌کننده استفاده کنید (یا شاید بتوانید، اما با یک پوستهٔ (wrapper) بسیار ویژه که برای recode(1) طراحی شده باشد). در غیر این صورت، دست‌کم باید بدانید که چهار روش اساسی برای مدیریت موجودیت‌های نویسه‌ای تبدیل‌ناپذیر وجود دارد:

شکست خوردن (fail)--این نیز یک امکان است، و اتفاقاً دقیقاً همان کاری است که پیاده‌سازی فعلی iconv در GNU libc انجام می‌دهد (به recode نیز می‌توان گفت که این کار را انجام دهد)

دست نزدن به آن‌ها (don't touch them)--این کاری است که تبدیل‌کنندهٔ داخلی enca همیشه انجام می‌دهد و recode نیز قادر به انجام آن است؛ اگرچه این روش بازگشت‌پذیر نیست، اما معمولاً یک انسان (حداقل از نظر اصولی) قادر به بازسازی متن اصلی خواهد بود

تقریب زدن آن‌ها (approximate them)--این کاری است که cstocs و همچنین recode (البته به شیوه‌ای متفاوت) می‌توانند انجام دهند؛ و اگر فقط می‌خواهید این متن لعنتی را خوانا کنید، بهترین گزینه است

حذف کردن آن‌ها (drop them out)--این کاری است که هم recode و هم cstocs می‌توانند انجام دهند (cstocs همچنین می‌تواند به جای نادیده‌گرفتن صرف، این نویسه‌ها را با نویسه‌ای ثابت جایگزین کند)؛ این حالت زمانی مفید است که نویسه‌های حذف‌شدنی تنها حاوی نوفه (نویز) باشند.

لطفاً برای جزئیات بیشتر در این باره، به راهنمای تبدیل‌کنندهٔ مورد نظر خود مراجعه کنید. به طور کلی، اگر آن‌قدر خوش‌شانس نباشید که تمام نویسه‌های موجود در فایلتان قابل تبدیل باشند، در هر حال دخالت دستی لازم خواهد بود.

نکات کارایی

کارایی ضعیف تبدیل‌کننده‌های موجود، یکی از دلایل اصلی گنجاندن تبدیل‌کنندهٔ توکار در enca بوده است. سعی کنید تا جای ممکن از آن استفاده کنید، یعنی زمانی که فایل‌های مورد نظر از نظر مجموعه نویسه به اندازه کافی تمیز یا به اندازه کافی به‌هم‌ریخته هستند که هوش توکارِ صفرِ آن اهمیتی نداشته باشد. این تبدیل‌کننده نیازی به فضای دیسک اضافی یا حافظه بیشتر ندارد و می‌تواند روی فایل‌های بزرگ بیش از ۱۰ برابر بهتر از recode(1) و روی فایل‌های کوچک بیش از ۴۰۰ برابر سریع‌تر از نسخه پرل (یعنی نسخه سریع‌تر) cstocs(1) عمل کند (در واقع سرعت آن تقریباً با دستور سادهٔ cp(1) برابری می‌کند).

تا زمانی که کاملاً ضروری نباشد از تبدیل‌کننده‌های خارجی پرهیز کنید، زیرا تمام فرایندهای انشعاب (forking) و جابه‌جایی داده‌ها به طرز باورنکردنی کند است.

مجموعه‌های نویسه (Charsets)

فهرست زیر از مجموعه‌های نویسه شناخته‌شده، از نام‌های Enca (-e) و توصیف‌های متنیِ گزارش‌شده توسط Enca (-f) استفاده می‌کند:

که در آن unknown یک کدگذاری واقعی نیست، بلکه زمانی گزارش می‌شود که Enca قادر به ارائه پاسخ قابل اتکایی نباشد.

ابزار Enca تا حدی پشتیبانی آزمایشی از به‌اصطلاح سطوح (surfaces) ارائه می‌دهد (پایین را ببینید). سطوح زیر را شناسایی می‌کند (همهٔ آن‌ها برای تمام مجموعه‌نویسه‌ها قابل‌اِعمال نیستند):

توجه داشته باشید که برخی سطوح به جای شناسه دارای N.A. هستند--آن‌ها را نمی‌توان در خط فرمان مشخص کرد و تنها می‌توانند توسط Enca گزارش شوند. این امر تعمدی است زیرا آن‌ها به جای نمایش یک سطح واقعی، صرفاً به شما اطلاع می‌دهند که چرا فایل نمی‌تواند از نظر سطح سازگار (surface-consistent) در نظر گرفته شود.

هر مجموعه‌نویسه سطح طبیعی خود را دارد (که در recode به آن “ضمنی” یا “implied” گفته می‌شود) که گزارش نمی‌شود؛ برای نمونه، برای مجموعه‌نویسهٔ IBM 852، این سطح “پایان‌دهنده‌های خط CRLF” است. برای کدگذاری‌های UCS، حالت big endian به عنوان سطح طبیعی در نظر گرفته می‌شود؛ ترتیب بایت‌های غیرمعمول از جایگشت‌های 21 و 4321 ساخته می‌شوند: 2143 صرفاً به صورت 21 گزارش می‌شود، در حالی که 3412 به عنوان ترکیبی از 4321 و 21 گزارش می‌شود.

کدگذاری مضاعف UTF-8 (به صورت Doubly-encoded UTF-8) نه مجموعه‌نویسه است و نه سطح، و صرفاً گزارش می‌شود.

دربارهٔ مجموعه‌نویسه‌ها، کدگذاری‌ها و سطوح (About charsets, encodings and surfaces)

مجموعه‌نویسه (Charset) مجموعه‌ای از موجودیت‌های نویسه‌ای است، در حالی که کدگذاری (encoding) نمایش آن در قالب بایت‌ها و بیت‌هاست. در Enca، واژهٔ encoding هم‌معنی با “نمایش متن” (“representation of text”) است؛ یعنی رابطهٔ بین توالی موجودیت‌های نویسه‌ای تشکیل‌دهندهٔ متن و توالی بایت‌های (بیت‌های) تشکیل‌دهندهٔ فایل.

بنابراین، کدگذاری هم مجموعه‌نویسه است و هم به‌اصطلاح سطح (پایان‌دهنده‌های خط، ترتیب بایت‌ها، نویسه‌های ترکیبی، تبدیل Base64 و غیره). با این وجود، کار با برخی جفت‌های {charset,surface} مانند مجموعه‌نویسه‌های واقعی راحت‌تر است. بنابراین، همانند recode(1)، تمام کدگذاری‌های -UCS و -UTF از مجموعه‌نویسهٔ جهانی (Universal character set) مجموعه‌نویسه نامیده می‌شوند. لطفاً برای جزئیات بیشتر در این باره، به مستندات recode مراجعه کنید.

تنها ویژگی خوب دربارهٔ سطوح این است: تا زمانی که شروع به دستکاری آن‌ها نکنید، Enca نیز کاری با آن‌ها نخواهد داشت و تا جای ممکن تلاش می‌کند مانند برنامه‌ای ناآگاه از سطوح (surface-unaware) رفتار کند، حتی هنگام ارتباط با recode.