Hummm ... o conceito de um arquivo com várias codificações é um pouco instável, para ser honesto. Se você tiver um pouco de tempo, este artigo (e < Vale a pena ler este vale a pena ler.
Sempre que eu abro o arquivo no gedit, o gedit sempre pode mostrar ou decodificar cada parte do texto corretamente. Parece que o gedit pode lidar com arquivo de texto com codificações mistas, mas não tenho certeza.
Mas quando eu abro o arquivo no emacs, haverá personagens que não pode ser mostrado corretamente. (Eu não tenho certeza porque o emacs não pode fazer isso.) Então, eu gostaria de converter o arquivo de codificações mistas para um único codificação como utf-8.
Como acho que o gedit pode detectar as codificações corretas para diferentes partes do arquivo de texto, e não sei se há outros aplicativos que possam fazer isso, seria possível pedir ao gedit para converter o arquivo para utf-8, ou pelo menos me diga qual codificação encontra para qual parte do arquivo?
Obrigado.
Hummm ... o conceito de um arquivo com várias codificações é um pouco instável, para ser honesto. Se você tiver um pouco de tempo, este artigo (e < Vale a pena ler este vale a pena ler.
Para o Linux, um arquivo é uma seqüência de bytes. Se você pedir a um programa para interpretá-lo como um arquivo de texto, ele fará isso usando um mapeamento entre bytes e caracteres; esse mapeamento é a codificação. Quase todo o editor de texto que eu conheço (não processadores de texto!) Apenas entende o conceito de uma codificação para um arquivo.
Eu não sou especialista em gedit ; talvez esteja fazendo alguma mágica, como tentar autodetectar a codificação linha por linha ou bloco de texto por bloco de texto ... se for o caso, você pode tentar fazer o mesmo usando enca (1):
while read line; do echo $line | enconv -L none -x utf8; done < text.mixed > text.utf8
... mas depende de quão bom é encaixar sua codificação (funciona quase bem com o europeu oriental, mas não com o Latin1, por exemplo).
(1) Está nos repositórios, basta instalá-lo com sudo apt-get enca .