Страхиња Радић
Како да пишем ћириличне веб стране?(верзија 1.07, 7. март 2004.)
Упутство.
* 0. Напомене.
* 1. Неопходне измене у самом коду.
* 2. Потребни програми.
o 2.1. Програми за писање веб страна од почетка.
o 2.2. Претварање постојећих веб страна у ћирилицу.
* 3. Питања.
0. Напомене.
Ауторска права © 2003. Страхиња Радић.
Штампање, расподела и преглед овог документа су дозвољени
уколико је очувано ово обавештење, а измене нису дозвољене.
1. Неопходне измене у самом коду.
Да би страна била исправно приказана у читачу веба, неопходно је да садржи META ознаку са одговарајућим параметром content. Он мора садржати назив распореда у ком је писана страна. На пример, за латинични WIN 1250 распоред, META ознака ће изгледати овако:
content="text/html; charset=windows-1250" />
за ћирилични WIN 1251 распоред, META ознака ће изгледати овако:
content="text/html; charset=windows-1251" />
а за м(ј)ешовити УТФ-8 ће изгледати овако
content="text/html; charset=utf-8" />
2. Потребни програми.
2.1. Програми за писање веб страна од почетка.
Да бисте писали веб стране у ћирилици, морате, наравно, имати и програм који подржава унос текста у одговарајућем стандарду. У овом тренутку су у игри три ћирилична распореда: изо 8859-5, WIN 1251 и Уникод. Прва два распореда за ћириличне знаке користе по један бајт = 8 бита, при чему користе знакове са кодовима од 128-255, а занемарују разне посебне латиничне знаке, на пример „ç, ü, ß, ñ“. Њихова лоша страна је што не подржавају мешање ћириличног текста са текстом у неком другом писму. За разлику од њих, Уникод је стандард за представљање текста у рачунарима, који подржава сва светска писма, укључујући разна латинична и ћирилична писма, грчко (Στραχινια Ραδιτσ), арапско (ستراحيثا راديچ), јеврејско (סתראהיניא ראדיש), кинеско (你好), јапанско (さたらひにゃ らぢちゃ), индијско - деванагари (स्त्रहिञ रादिच्), руско (Страхиня Радич), хрватско (Strahinja Radić) и још многа друга писма и знакове. Питање је само има ли корисник на свом систему инсталирану подршку за одређено писмо. У случају оперативног система Виндовс 2000 и новијег, скоро сигурно можете да видите већину претходних писама. Додавање ћириличних и других фонтова у ГНУ са Линуксом и Иксом је тривијалан посао за искусног администратора, тако да можете са сигурношћу да претпоставите да ће страна у Уникоду бити приказана што је могуће боље на било ком систему. Уколико баш не би могао да се снађе, тај администратор би могао да почне од адресе
http://czyborra.com/unifont/HEADER.html, на којој се може наћи фонт са скоро свим знацима из стандарда Уникод, додуше у облику битмапа.
За „неверне Томе“ који не верују да Уникод садржи чак и старословенска слова, ту је датотека
http://www.unicode.org/charts/PDF/U0400.pdf (биће вам потребан Акробат Ридер са адресе
http://www.adobe.com/acrobat/), који садржи списак свих ћириличних знакова у стандарду Уникод.
Обичан Уникод сваки знак представља у два бајта = 16 бита, што обезбеђује место за 65536 разних знакова, укључујући знак NUL са кодом 0. Варијанта Уникода која представља знакове у нешто збијенијем облику се назива УТФ-8 (UTF је скраћеница од Unicode Transformation Format, или формат трансформације Уникода). Дакле, набавите уређивач текста који подржава УТФ-8 и напишите веб страну у њему.
За ГНУ са Линуксом постоје разни уређивачи који подржавају Уникод: на пример, (по мом мишљењу програм са најпотпунијом подршком за Уникод) Јудит (Yudit,
http://www.yudit.org/), Квемакс (QEmacs,
http://fabrice.bellard.free.fr/qemacs/), пакет Mule-UCS за уређивач Емакс (Emacs,
http://www.gnu.org), који је за новије верзије Емакса непотребан, јер оне подржавају Уникод, и други.
За Виндовс (Windows), на пример, можете преузети програм Униред (Unired) са адресе
http://esperanto.mv.ru/UniRed/ENG. Уколико не желите да пишете код веб стране, можете користити и неке програме који подржавају уређивање веб страница на исти начин као у вашем омиљеном програму за обраду текста. Нажалост, технички квалитетни програми са оваквим особинама су углавном власнички (неслободни), што их чини веома лошим избором; један од технички најквалитетнијих је програм Макромедијин Плетисан (Macromedia Dreamweaver). Од полуслободних програма ту је нпр. програм Мозила (Mozilla,
http://www.mozilla.org/), тачније његов уређивач Композер (Composer) који подржава Уникод, али садржи само основне могућности форматирања страница; може се претпоставити и да Нетскејп (Netscape) 6.0 и новији и његов Композер такође подржавају Уникод. Ова два последња програма се могу набавити у верзијама за скоро све постојеће оперативне системе.
При том је од посебне важности познавати начин на који програм записује знакове са кодовима изнад 255 у датотеку. На пример, Микрософтова Реч (Microsoft Word) ће при чувању текста у формату HTML, уместо да текст „Пера“ запише као бинарне кодове, записати следећи низ знакова:
Пера
дакле, сва неенглеска слова ће претворити у HTML-ове „ентитете“, тј. ниске знакова које представљају одређени знак, у овом случају нумеричке вредности 2-бајтних кодова знакова из Уникода (бројеве између 0 и 65535). Тај начин је лошији, из више разлога. Пре свега, на тај начин се уместо (у нашем примеру) (4 слова)×2=8 бајтова у случају стандарда УТФ-8, или 4 бајта у случају распореда изо 8859-5 или WIN 1251, користи (4 слова)×(3+4)=28 бајтова, јер је свако слово окружено граничницима ентитета (&# и
, који заузимају по 3 бајта и представљено као 4-цифрен број (у случају ћирилице), а свака цифра као један бајт. Даље, код странице је неразумљив (састоји се од нумеричких кодова, уместо слова), па га људи не могу лако читати. И на крају, такав текст се не може једнозначно претраживати, јер разни читачи веба шаљу податке у формуларима на разне начине. Неки читачи ће послати овакве ентитете, а неки бинарне податке у различитим распоредима. Због свега овога за припремање веб страница на ћирилици би требало избегавати такве програме.
Код неких програма, као на пример код програма Униред је могуће записивати знакове на оба начина — као ентитете или бинарне кодове, али је то потребно назначити при чувању датотеке (избор Surrogate: у дијалогу Save as... се мора поставити на „-“ за бинарно чување).
2.2. Претварање постојећих веб страна у ћирилицу.
Уколико желите да постојећу страну пребаците у ћирилицу, користите програм УНИСТД г-дина Владе Кешеља, који се може пренети са адресе
http://ai.uwaterloo.ca/~vkeselj/unistd.c. Програм је у изворном облику, па га морате превести у извршни облик преводиоцем за Це. Ако користите Виндовс, имате избор између слободног програма gcc и власничког пакета Visual C++. Под ГНУ-ом са Линуксом можете користити gcc, наравно, под условом да је он инсталиран. То можете проверити уз помоћ наредбе:
ls -l /usr/bin/gcc
и уколико та наредба не пријави /usr/bin/gcc: No such file or directory, већ испише ред који садржи назив датотеке /usr/bin/gcc са њеним својствима, имате gcc.
Тада у директоријуму у који сте ставили unistd.c откуцајте просто:
$ gcc -o unistd{,.c}
Уколико желите да УНИСТД користите на целом систему, биће вам потребна администраторска лозинка:
$ su
Enter password: <унесите администраторску лозинку>
# cp unistd /usr/bin
Када сте добили извршну верзију програма УНИСТД, можете почети да претварате постојеће веб стране. Уколико претпоставимо да имате датотеку latinicxni.html у распореду WIN 1250, а желите да је претворите у датотеку cyirilicxni.html у распореду УТФ-8, УНИСТД се користи на следећи начин:
unistd -h -ucp1250 utf8 < latinicxni.html > cyirilicxni.html
Потпунији списак параметара добићете уколико откуцате
unistd
Никада немојте куцати
unistd -h -ucp1250 utf-8 < datot.html > datot.html
(иста датотека) јер ће УНИСТД једноставно уништити садржај датотеке datot.html (свешће је на нулу). Користите привремена имена, овако:
Посикс (ГНУ са Линуксом)
unistd -h -ucp1250 utf8 < datot.html > datot0.html
rm -f datot.html
mv datot0.html datot.html
ДОС и Виндовс
unistd -h -ucp1250 utf8 < datot.html > datot0.html
del datot.html
move datot0.html datot.html
Можете, наравно, користити и друге програме за претварање текста из једног у други распоред, као што је, на пример, iconv, који се обично испоручује са свим познатијим дистрибуцијама ГНУ-а са Линуксом, али онда морате ручно намештати META ознаку, што УНИСТД ради аутоматски са параметром -h.
3. Питања.
Уколико наиђете на проблеме приликом писања ћириличних страна, напишите ми писмо на адресу mr99164 at alas.matf.bg.ac.yu. Уколико будем имао времена и уколико ми тог дана не стигне брдо нежељене поште, пробаћу да вам одговорим.
Срећно!
Страхиња Радић,
у Београду, 8. маја 2003. (за верзију 1.0)
преузето са
http://alas.matf.bg.ac.yu/~mr99164/uput/kakoda-cyr-html.html
