Re: Soubor s mnoha znakovymi sadami vcetne napr. hindstiny

Ahoj mam soubor kde vkladam retezce v ruznych znakovych sadach JP, IL, a taky IN
Soubor mam v UTF-8 no-bom (nekde jsem se uz ptal jaky rozdil je v UTF-8 a UTF-8 no-bom ale nedostal jsem odpoved, mj.)

Problem mam v tom ze cast retezce v hindstine nevidim, co udelat abych videl cely retezec.
Jinak, je mozne vubec pouzivat vice znakovych sad v jednom jedinem souboru?

Priklad:
! Dil.in;c: h:अजय डाटा;hq:जयपुर,IN

Kdyz to vlozim do pspadu a prejedu pres to jako bych to chtel kopirovat vidim dalsi znaky, ktere ted nejsou videt. Pouzivam i funkci zobrazeni netisknutelnych znaku, ktere to nerozkryji i bez toho prejezdu.

Vidite je tam taky?

Aha, nejsou to dalsi znaky ale nejak se tam deformuji ty viditelne jako by se duplikovaly ale ty duplikovane nejsou videt.

Vidite to taky?

V Notepad ++ to vidim bez deformaci, tam je nastaveno UTF-8.

Jinak pspad mam nyni v podverzi 817 32-bit

Edited 2 time(s). Last edit at 2025-08-06 23:38 by jadd.

Unicode obsahuje standardne BOM, coz je identifikace kodovani. No BOM se pouziva v nekterych pripadech - WEB, kde je konfiguraci dane, v jakem kodovani soubor musi byt.
Ted jsem na dovolene mimo pocitac, takze bic nevidím, podivam se na to az se vratim (asi za 14 dnu)

Ok, Zatim
Preji navrat bez kamaradu, svrab, stenice :D

problem je i u hebrestiny, ta je jak znamo RL

! CCC.co.il(ZapGroup.co.il);c:טריפל סי מחשוב,בע"מ;h:;hq:IL,פתח-תקוה

...
Vyresil jsem to enkodovanim URL (bohuzel to prodlouzi retezec).
V notepad ++ jsem mel problem u nekterych hebrejskych retezcu ve svem dokumentu, chyba byla uz pri vkladani retezce v minulosti.
...
Problemove retezce bylo nutne najit treba pres Regex
[^*?:=#$%&\s\[a-zA-Z0-9\]".',/(;_){+|–}^!<~\\@>-]
Bylo by dobre do hledani dat volbu "nalezt jen non-ASCII, nebo jeste lepe + non-JINA_ZNAK_SADA ale to uz by bylo moc dokonale;)

Diky

Problem i u arabstiny zase RTL
! CentralBank.ae;المركزي لدولة الإمارات
!i:مصرف الإمارات العربية المتحدة المركزي