[Comp.Sci.Dept, Utrecht] Note from archiver<at>cs.uu.nl: This page is part of a big collection of Usenet postings, archived here for your convenience. For matters concerning the content of this page, please contact its author(s); use the source, if all else fails. For matters concerning the archive as a whole, please refer to the archive description or contact the archiver.

Subject: Umlaute im deutschsprachigen Usenet FAQ

This article was archived around: 1 Apr 1998 02:00:00 +0200

All FAQs in Directory: Root Directory
All FAQs posted in: de.comp.standards
Source: Usenet Version


Archive-name: de-usenet-umlaute Version: 1.16 Last-modified: Thu, 12 Feb 98 Posting-Frequency: monthly
{ This article is written in German and explains how to read/write (not only) German Umlaut characters using ISO 8859-1 and MIME in the German Usenet hierarchy de.* } Hallo Leute! Dieser Artikel ist ein Umlaute-FAQ fuer das deutschsprachige Usenet und wird in "de.comp.standards", "de.answers" und "news.answers" veroeffentlicht. Bitte schickt saemtliche Anregungen an umlaute@live.robin.de (Kosta Kostis) damit dieser Text schrittweise verbessert werden kann. Die aktuelle Version des FAQ findet man ab sofort unter http://www.kostis.net/de/faq/umlaute/ Vielen Dank fuer wertvolle Hinweise an: Joachim Astel, Heiko Bobzin, Carsten Bormann, Lothar Borrmann, Karl Brodowsky, Tilman Burmester, Roman Czyborra, Andr Deparade, Lutz Donnerhacke, Hans-Ch. Eckert, Hans Fischer, Helmut Fromberger, Andreas Heidemann, Ulli Horlacher, Robert Joop, Wolfgang Keller, Ulrich Klauer, Klaus Kretschel, Markus Kuhn, Martin v. Loewis, Peter Mandrella, Gerold Meerkoetter, Ulrich Mueller, Thilo Pfennig, Christian Schaefer, Heiko Schlichting, Martin, Sojka, Michael Staats, Wolfgang Strobl, Maximilian Vogt, Christian Weisgerber, Lueko Willms, Dr. Klaus Wolferts, Wolfgang Zenker Sollten weitere Leute Mails an mich geschickt haben, so sind diese leider verloren gegangen bzw. in meinem Mail-Durcheinander "verschuett" gegangen, sorry. Meldet euch einfach ggf. nochmal. :) Aus gegebenem Anlass bitte ich um Verstaendnis dafuer, dass nicht jeder Hinweis gleich in den FAQ hereinkommen kann. Ich verdiene mein Geld nun mal nicht mit dem Erstellen und Warten von FAQs und ich habe noch andere Hobbies. Also: bitte etwas Geduld oder Freiwillige vor! :) Weiterhin sind nicht alle Informationen auf meinem Mist gewachsen. Ich bin bei manchen Details also 100% abhaengig von der Zuverlaessigkeit der Beitraege. Damit sind alle Angaben ohne Gewaehr. Der Rechtsweg ist ausgeschlossen. =;^) =========================================================================== Umlaute im deutschsprachigen Teil des Usenet =========================================================================== Inhaltsverzeichnis: Kapitel Bezeichnung 1. Intro 2. Zeichenkodierungen 3. MIME-Header 4. Einstellungen fuer ISO 8859-1 und MIME Anhang Bezeichnung D. Definitionen F. ISO 8859 Fonts G. ISO 8859-1 Gueltigkeitsbereiche P. ISO 8859-1 Peripherie etc. T. ISO 8859 Tools zur Konvertierung von Zeichenkodierungen V. Verschiedene Informationsquellen zu Zeichenkodierungen Z. Zeichenkodierungsbeschreibung von ISO 8859-1 (Kodes A0 bis FF) =========================================================================== 1. Intro =========================================================================== Dieser Artikel ist fuer diejenigen gedacht, die wissen moechten, wie sie an die nach ISO 8859-1 kodierten Umlaute (und andere) Zeichen in News kommen. Er soll beschreiben, was moeglich ist und nicht diskutieren, ob alle damit "gluecklich" werden, ausser vielleicht: Niemand sollte "angemacht" werden wegen der Verwendung von Umschreibungen fuer Umlaute wie z. B. "ae". Aehnliches gilt fuer die TeX-Schreibweise. Genauso sollte aber auch niemand "angemacht" werden wegen der Verwendung von RFC-2045-2049 konformen Zeichen nach ISO 8859-1 kodiert mit entsprechenden MIME-Headerzeilen. Der obige Satz ist ein Aufruf zur Toleranz und kein Freibrief. Es sollte eine einheitliche Verwendung angestrebt werden, die in der ersten Naeherung ISO 8859-1 als Kodierung und die entsprechenden MIME-Headerzeilen verwendet. Dieser Artikel kann und will nicht beschreiben, wie jedes Geraet auf ISO 8859-1 umgestellt wird (z. B. Drucker). Um die Zielgruppe auch erreichen zu koennen, wurde dieser Artikel, bis auf die Zeichentabelle im Anhang Z, konvertiert (d. h. die Umlaute wurden "expandiert"). Das verwendete Programm entspricht im wesentlichen dem Programm "iso2asc", das spaeter noch einmal angesprochen wird. Nach Moeglichkeit sollte sich jeder Betreiber eines Usenet-Knotens mit deutschsprachigen Benutzern bemuehen, dass Texte per MIME/ISO 8859-1 korrekt dargestellt werden (zur Not kann auf alten Terminals auch auf eine Ersatzdarstellung konvertiert werden). Weniger dringend, aber ebenfalls wuenschenswert, ist die Moeglichkeit zur Eingabe von Zeichen ausserhalb der US-ASCII-Zeichenkodierung, wie z. B. Umlaute. Der Usenet-Standard zur 8-bit-Kodierung in den deutschsprachigen Gruppen de.* ist ISO 8859-1 (vgl. dazu RFC-2045-2049). Gateways sollten beim Uebergang in das Usenet entsprechende Zeichenkodierungskonvertierungen vornehmen und entsprechende Header verwenden. Das wird bei einigen Gateways bereits getan (z. B. beim MausNet, einem deutschsprachigem Mailboxnetz). Wer Fragen zu Umlauten im Usenet diskutieren moechte, moege das bitte in der Gruppe de.comp.standards tun. Diese Gruppe wurde nach einigen unschoenen Fehden 1992 unter anderem genau dafuer eingerichtet. ;) In anderen News-Hierarchien werden 8-bit-Zeichenkodierungen bereits seit langer Zeit erfolgreich eingesetzt, wie z. B. koi8-r in den relcom-Gruppen. Dort werden allerdings keine MIME-Header verwendet und bisher auch sonst kein besonderer Wert auf Kompatibilitaet gelegt. =========================================================================== 2. Zeichenkodierungen =========================================================================== =========================================================================== 2.1 Geschichte der Zeichenkodierungen =========================================================================== Ich bin mir bewusst, dass diese Auflistung sowohl unvollstaendig als auch einigermassen willkuerlich ist - man moege mir das nachsehen. Ende April 1965 wurde ECMA-6 verabschiedet. ECMA-6 ist die 7-bit Zeichenkodierung, die auch als US-ASCII oder auch als ISO 646 bzw. als DIN 66003 (Juni 1974) bekannt und weit verbreitet ist. (Eigentlich sollte man denken, dass der US-ASCII auch aus den USA stammt, jedoch ist mir keine US-amerikanische Quelle bekannt, die aelter als April 1965 ist - kann das sein?) Mit der Zeit wurde den EDV-Treibenden das Umschreiben von Umlauten zu laestig ;) und sie entwarfen nationale Varianten von ISO 646. Das fuehrte dazu, dass man sich z. B. in Deutschland zwischen Umlauten und eckigen sowie geschweiften Klammern entscheiden musste oder mit Escape-Sequenzen arbeiten. Bekannte Terminals, die ISO 646 als Zeichenkodierung verwendet haben: DEC VT52, DEC VT100 Im Jahre 1981 kam der IBM PC mit einer 8-bit Zeichenkodierung heraus. Leider schienen die Entwickler bei der Reihenfolge der Zeichen gewuerfelt zu haben. Das Ergebnis: die IBM Codepage 437. Im Jahre 1982 wurden die ersten DEC VT220 und VT240 auf den Markt gebracht, die einen Vorlaeufer von ISO 8859-1 im Einsatz hatten: DEC MCS (DEC Multinational Character Set). Im Jahre 1985 kam der Commodore Amiga auf den Markt, der bereits damals im wesentlichen ISO 8859-1 verwendet hat. Microsoft Windows erblickte 1984 das Licht der Welt und war auch mit einer Kodierung ausgestattet, die im wesentlichen ISO 8859-1 entspricht. Im Maerz 1985 wurde ECMA-94 verabschiedet. Dieser Standard ist auch als ISO 8859-1 bis ISO 8859-4 bekannt. ISO 8859-1 wurde 1987 verabschiedet. Die Europaeer waren mehr als 2 Jahre voraus. ;) Im Jahre 1987 kam MS-DOS 3.3 auf den Markt und damit die IBM Codepage 850. Diese Codepage enthaelt saemtliche Zeichen, die auch in ISO 8859-1 vorkommen, allerdings in einer anderen Reihenfolge, so dass eine verlustfreie Konvertierung moeglich wurde. Andere Rechner haben wieder andere Zeichenkodierungen, die sich aber im Zweifel mit geringen Aufwand von/nach ISO 8859-1 wandeln lassen. =========================================================================== 2.2 Warum ISO 8859-1? =========================================================================== Vorteile von ISO 8859-1 gegenueber anderen 8-bit-Zeichenkodierungen: - ISO 8859-1 ist eine herstellerunabhaengige internationale Norm. - Viele Hersteller unterstuetzen mittlerweile ISO 8859-1. - Es gibt eine Fuelle von Konvertern von/nach ISO 8859-1. - RFC-2045-2049 (MIME) unterstuetzt ISO 8859-1. - ISO 8859 ist so konzipiert, dass Zeichen im Bereich 0x80 bis 0x9F nicht vorkommen duerfen bzw. sie sind nicht durch druckbare Zeichen belegt. Das ist besonders in einem so heterogenen Netz wie dem Usenet wichtig, da dieser Bereich bei 8-bit Terminals (z. B. DEC VT3xx) fuer Steuerzeichen vorgesehen ist. Wird beim einem ISO 8859 Zeichen das hoechstwertige Bit "abgeschnitten", so entsteht ein darstellbares US-ASCII Zeichen. Sobald ISO/IEC 10646-1 und UTF-8 (siehe unten) eingefuehrt werden und Verbreitung finden, wird dieses Argument allerdings an Bedeutung verlieren. Fuer UTF-8 werden die Kodes zwischen 0x80 und 0x9F benoetigt. Es ist daher sinnvoll, News-Software auf Dauer auf diese Tatsache einzustellen. - MS-DOS Codepages, Apple Mac Zeichenkodierungen und auch der NeXTSTEP Encoding Vector verwenden leider Kodes im Bereich 0x80 bis 0x9F. Das ist, wie gesagt, zum aktuellen Zeitpunkt nicht vorteilhaft. Die Anzahl der zu unterstuetzenden Kodierungen sollte man aus technischen Gruenden ohnehin moeglichst gering halten, um die Komplexitaet der Programme nicht auch noch durch aufwendige Konverter zu ueberfrachten. Es ist schon muehselig genug, von den "Hauszeichenkodierungen" in die von RFC-2045-2049 genannten Zeichenkodierungen konvertieren zu koennen. Allgemeine Einschraenkungen von ISO 8859-1 als 8-bit-Zeichenkodierung: Diese Zeichenkodierung deckt zwar die wichtigsten Zeichen, die auf den Schreibmaschinen fuer ueber 14 (hauptsaechlich westeuropaeische) Sprachen zu finden sind, aber als langfristige, weltweit akzeptable Zeichenkodierung ist ISO 8859-1 ungeeignet, da z. B. nicht mal alle europaeischen Sprachen abgedeckt werden. Ausserdem fehlen auch fuer deutschsprachige Benutzer viele Zeichen, wie sie etwa im wissenschaftlichen Bereich sehr wuenschenswert waeren (z. B. deutsche Anfuehrungszeichen, mathematische Symbole, usw.). In anderen Laendern koennen auch andere Zeichenkodierungen von Interesse sein, so z. B. ISO 8859-2 fuer Tschechien und Polen etc. oder ISO 8859-7 fuer Griechenland. Die Russen bevorzugen koi8-r und nicht ISO 8859-5. Hier wurde wohl am "Markt" vorbei genormt. Dies aber nur am Rande zur Info. Es sei vermerkt, dass ISO 8859-2, ISO 8859-3, ISO 8859-4, ISO 8859-9 und ISO 8859-10 die fuer Deutsch notwendigen Umlaute nicht nur beinhalten, sondern vor allen Dingen mit den gleichen Kodes. Wer also osteuropaeische Texte genauso lesen koennen moechte wie deutsche, dem sei ISO 8859-2 empfohlen. ISO 8859-9 fuer Leute, die tuerkische und deutsche Texte lesen koennen wollen. Auf lange Sicht: Als langfristige Loesung bietet sich ISO/IEC 10646-1/Unicode 2.0 an. Entwickler von Usenet-Software sollten sich mit dieser Alternative vertraut machen, insbesondere mit der UTF-8 Kodierung, die fuer das Usenet besonders geeignet erscheint, da ASCII-Texte ohne Veraenderung dargestellt werden koennen. Weitere Informationen zum Thema ISO/IEC 10646-1:1993 und UTF-8 finden Entwickler und andere Interessierte in Anhang V. =========================================================================== 3. MIME-Header =========================================================================== RFC-2045-2049 beschreibt die Multipurpose Internet Mail Extensions, auch als MIME bekannt. Nach MIME ist ISO 8859-1 eine gueltige Zeichenkodierung. Dieser muss allerdings den Mail- und News-Readern angezeigt werden. Zu diesem Zweck gibt es entsprechende MIME Header-Zeilen: MIME-Version: 1.0 Content-Type: text/plain; charset=ISO-8859-1 Content-Transfer-Encoding: 8bit Diese Header-Zeilen sind fuer MIME-kompatible Software wichtig und beschreiben die im Message Body verwendete Kodierung. Wer ISO 8859-1 Zeichen ohne diese Header verschickt, ist durch RFC-2045-2049 nicht sanktioniert. Wer auf Umlaute etc. auch in den Header-Zeilen nicht verzichten moechte, der sollte sich RFC-2045-2049 zu diesem Thema anschauen und sich ueberlegen, ob er/sie das dann immer noch will... ;) 8-bit-Zeichen in den Header-Zeilen haben in der Vergangenheit immer wieder zu Problemen gefuehrt. Manche Antik-Software soll sogar ob dieser Zeichen einfach abstuerzen. Also nie ohne Kodierung verwenden. =========================================================================== 4. Einstellungen fuer ISO 8859-1 und MIME =========================================================================== Folgende Tips entstammen zu einem gewissen Teil dem Umlaute-FAQ ftp://ftp.cs.tu-berlin.de/projects/umlaute/install. Weitere Tips habe ich u. a. vielen Postings in diversen Gruppen entnommen. Eine Nennung der einzelnen Personen ist dabei leider nicht mehr moeglich. Trotzdem vielen Dank an alle! In diesem Kapitel sind wohl noch die groessten Luecken. Bitte schickt mir was immer ihr zu diesem Thema beitragen koennt, damit dieses Teil moeglichst vielen Leuten hilft. Die Reihenfolge der genannten Plattformen ist alphabetisch... --------------------------------------------------------------------------- 4.1 Acorn RISC OS --------------------------------------------------------------------------- Einer der Standard-Zeichenkodierungen ist ISO 8859-1. Eine Zeichenkonvertierung ist daher nicht notwendig. --------------------------------------------------------------------------- 4.2 Amiga OS --------------------------------------------------------------------------- Die Standard-Zeichenkodierung ist ISO 8859-1. Eine Zeichenkonvertierung ist daher nicht notwendig. --------------------------------------------------------------------------- 4.3 Apple Macintosh (System 7) --------------------------------------------------------------------------- Die Zeichenkodierunge Apple Roman ist von der Zeichenmenge weitgehend identisch mit ISO 8859-1, jedoch ist eine andere Kodierung vorhanden. Konverter lassen sich leicht mit den in Anhang T genannten Tools erzeugen. Software wie Eudora und Iride unterstuetzen MIME. News-Reader wie Newswatcher unterstuetzen ISO 8859-1, rnMac und TheNews arbeiten unter Verwendung von funktionierenden XLATS Resourcen, welche man auf dem FTP-Server ftp.uni-passau.de im Mac Archiv findet. Weitere Mac-Software, die MIME unterstuetzt: Claris Emailer, MacSOUP (Newsreader). --------------------------------------------------------------------------- 4.4 Atari (GEM) --------------------------------------------------------------------------- Die Zeichenkodierungen des Atari ist weitgehend identisch mit der IBM Codepage 437. Siehe PC. Konverter lassen sich leicht mit den in Anhang T genannten Tools erzeugen. Die gaengige Usenet Software fuer den Atari nimmt diese Konvertierung bereits automatisch vor (z. B. HERMES). --------------------------------------------------------------------------- 4.5 NeXTSTEP --------------------------------------------------------------------------- Der NeXTSTEP Encoding Vector ist von der Zeichenmenge her weitgehend identisch mit ISO 8859-1, jedoch ist eine andere Kodierung vorhanden. Konverter lassen sich leicht mit den in Anhang T genannten Tools erzeugen. NeXTSTEP ist in diesem Zusammenhang als U*IX-Derivat zu betrachten. Ansonsten laesst sich die ISO 8859-1 Darstellung wie folgt erreichen: Einloggen via rlogin -8 stty pass8 stty pass8out --------------------------------------------------------------------------- 4.6 PC --------------------------------------------------------------------------- PC sind in der Regel mit folgenden Video-Karten bestueckt: MDA, HGC, CGA, EGA und VGA. Die Standard-Zeichenkodierung fuer diese Videoadapter ist IBM Codepage 437. Diese Zeichenkodierung umfasst US-ASCII, die fuer einige europaeische Sprachen notwendigen Zeichen, Rahmenzeichen und einiges mehr. Bei EGA und VGA lassen sich andere Zeichenkodierungen nachladen, was durch manche Betriebssysteme unterstuetzt wird und durch andere leider nicht. --------------------------------------------------------------------------- 4.6.1 PC unter Coherent 3.x, 4.x --------------------------------------------------------------------------- Coherent unterstuetzt 8-bit und die IBM Codepage 437 generell. Fuer Coherent 4.2 gibt es optional X11. Coherent ist in diesem Zusammenhang als U*IX-Derivat zu betrachten. --------------------------------------------------------------------------- 4.6.2 PC unter Linux --------------------------------------------------------------------------- Linux unterstuetzt im Console-Betrieb ISO 8859-1 in der Form, dass Linux die in der IBM Codepage 437 vorhandenen Zeichen auf ISO 8859-1 abbildet und umgekehrt. Es gibt auch die Moeglichkeit Fonts zu laden (VGA), bitte fragt mich aber nicht wie. :) Linux ist in diesem Zusammenhang als U*IX-Derivat zu betrachten. --------------------------------------------------------------------------- 4.6.3 PC unter Minix --------------------------------------------------------------------------- Soweit mir bekannt ist, unterstuetzt Minix 8-bit und die IBM Codepage 437. Es gilt, bis auf den Hinweis zu X11, das gleiche wie beim PC unter Coherent. Minix ist in diesem Zusammenhang als U*IX-Derivat zu betrachten. --------------------------------------------------------------------------- 4.6.4 PC unter MS-DOS --------------------------------------------------------------------------- Die Standard-Zeichenkodierung fuer MS-DOS in Deutschland ist in der Regel IBM Codepage 437. Seit MS-DOS 5.0 versucht das Installationsprogramm die IBM Codepage 850 zu installieren. Diese hat gegenueber der Codepage 437 den Vorteil, dass saemtliche Zeichen aus ISO 8859-1 vorhanden sind, was aber zu Lasten einiger Rahmenzeichen ging. Weiterhin kosten die entsprechenden Geraetetreiber ein paar KB. Konverter lassen sich leicht mit den im Anhang T genannten Tools erzeugen. Es gibt auch Freeware ISO 8859 Codepages fuer MS-DOS (z. B. Codepage 819) - siehe Anhang F. --------------------------------------------------------------------------- 4.6.4.1 PC unter MS-DOS und MS-DOS Waffle 1.65 --------------------------------------------------------------------------- Fuer MS-DOS Waffle 1.65 gibt es einen einfachen MIME-Patch. Siehe Anhang T. --------------------------------------------------------------------------- 4.6.4.2 PC unter MS-DOS mit CrossPoint --------------------------------------------------------------------------- CrossPoint arbeitet intern ausschliesslich mit Codepage 437, konvertiert diese beim Verarbeiten oder Erzeugen von RFC-Nachrichten aber automatisch nach ISO-8859-1. Nicht vorhandene Zeichen werden dabei in moeglichst aehnlich aussehende Zeichen umgewandelt. In Mails werden generell die entsprechenden MIME-Zeilen erzeugt. Fuer News muss MIME unter Config/Optionen/Netze/Verschiedenes eingeschaltet werden. --------------------------------------------------------------------------- 4.6.4.3 PC unter MS-DOS und Microsoft Windows --------------------------------------------------------------------------- Microsoft Windows verwendet in der Regel ISO 8859-1. Es gibt aber mittlerweile auch Versionen fuer andere Sprachraeume (z. B. Russisch mit kyrillischer Zeichenkodierung). --------------------------------------------------------------------------- 4.6.5 PC unter OS/2 --------------------------------------------------------------------------- IBM OS/2 verwendet intern leider immer noch IBM Codepage 850 und nicht ISO 8859-1 aka IBM Codepage 819. Das Windows Sub-System zeigt ISO 8859-1 jedoch korrekt an. Die Konvertierung zwischen IBM Codepage 850 und ISO 8859-1 ist recht einfach und sogar "verlustfrei". --------------------------------------------------------------------------- 4.6.6 PC unter Microsoft Windows 95 --------------------------------------------------------------------------- Microsoft Windows 95 verwendet in der Regel ISO 8859-1. Mitgeliefert werden aber auch osteuropaeische, griechische, kyrillische und tuerkische Fonts, welche im wesentlichen ISO 8859-2, -7, -5 und -9 entsprechen. --------------------------------------------------------------------------- 4.6.7 PC unter Windows NT --------------------------------------------------------------------------- Microsoft Windows NT verwendet intern Unicode. Als Untermenge ist daher ISO 8859-1 vorhanden. Die Zeichenkodierung macht hier keine besonderen Probleme. Leider liefert Microsoft auch in der Version 4.x keine auch nur annaeherungsweise vollstaendigen Unicode Fonts mit. --------------------------------------------------------------------------- 4.7 U*IX Umgebungen --------------------------------------------------------------------------- Tip zum Auffinden systemspezifischer Informationen zur Internationalisierung: man -k locale man -k international --------------------------------------------------------------------------- (a) 7-bit Terminal (VT52 oder VT100) --------------------------------------------------------------------------- Da hilft dann nur noch das Programm iso2asc von Markus Kuhn (siehe Anhang T) --------------------------------------------------------------------------- (b) falsch eingestelltes 8-bit Terminal (VT2xx oder neuer) --------------------------------------------------------------------------- Das Terminal muss per Setup eingestellt werden. Bei DEC Terminals geht das in der Regel durch Druck auf die Taste F3. Der Rest ist menuegefuehrt - Speichern nicht vergessen! --------------------------------------------------------------------------- (c) BNews lokal oder im Pfad --------------------------------------------------------------------------- Ist es lokal im Einsatz, hilft entweder nur patchen (entfernen von "& 0x7F" aus den Quellen) oder Patches des Binaries oder Installation von z. B. CNews. Ist BNews auf einem Rechner im Pfad im Einsatz, hilft nur das Aufspueren des entsprechenden Rechners und der Versuch den dortigen System-Admin zu bitten entweder zu patchen oder neu zu installieren. Alternativ kann man auch versuchen, sich andere Feeds fuer News zu suchen, die keine "Steinzeit-Software" fahren... --------------------------------------------------------------------------- (d) 7-bit tty --------------------------------------------------------------------------- Manche ttys sind default-maessig auf 7-bit eingestellt. Da hilft meist BSD : stty pass8 System V: stty -istrip -8 ggf. wird stattdessen benoetigt: stty -istrip cs8 (unter Ultrix 4.2, HP-UX 9.01, SunOS 4.1.1 und 5.3 sowie SysV68) Suns "moegen" in ihrer /etc/gettytab statt "ap" den Eintrag "p8" Manche ttys sollen auch "-even -odd" benoetigen... --------------------------------------------------------------------------- (e) auf 7-bit eingestellte Shell --------------------------------------------------------------------------- Abhilfe durch: setenv LC_CTYPE iso_8859_1 oder LC_CTYPE=iso_8859_1 ; export LC_CTYPE Manche Systeme benoetigen andere Werte fuer diese Variable, so ist z.B. unter Ultrix 4.2 LC_CTYPE=GER_DE.8859 angesagt. --------------------------------------------------------------------------- (f) less --------------------------------------------------------------------------- Abhilfe durch: setenv LESSCHARSET latin1 oder LESSCHARSET=latin1 ; export LESSCHARSET --------------------------------------------------------------------------- (g) nn --------------------------------------------------------------------------- Man schreibe am besten in die init-Datei der nn-Installation (je nach Installation z. B. "/usr/local/lib/nn/init") set data-bits 8 Wer dafuer keine Privilegien hat, kann das auch in die Datei "~/.nn/init" schreiben. Dann gilt es nur fuer diesen Benutzer. Es gibt fuer 7-bit Terminal Benutzer einen Patch fuer nn, der iso2asc von Markus Kuhn verwendet um z. B. Umlaute zu konvertieren. --------------------------------------------------------------------------- (h) rlogin mit 7-bit --------------------------------------------------------------------------- Abhilfe durch: rlogin -L oder rlogin -8 --------------------------------------------------------------------------- (i) kermit (C-Kermit 5A) --------------------------------------------------------------------------- Kermit ist ein Kommunikationsprogramm, mit dem man sich etwa via Modem auf anderen Rechnern einloggen kann. Um eine 8bit durchlaessige Terminal-Session zu bekommen, muss man folgende Befehle etwa per Hand oder in einer Initialisierungsdatei ausfuehren: set terminal bytesize 8 set command bytesize 8 --------------------------------------------------------------------------- (j) emacs (ab Version 19) --------------------------------------------------------------------------- Man schreibe am besten in die Datei ".../site-lisp/default.el" (standard-display-european 1) und (require 'iso-syntax) Wenn das nicht geht, sollte das in die Datei ~/.emacs geschrieben werden. Folgende Zeilen sollen die Eingabe (von Umlauten etc.) erleichtern: (set-input-mode (car (current-input-mode)) (nth 1 (current-input-mode)) 0) Ab der Version 19.26 beachtet emacs die Environment-Variable LC_CTYPE. Die oben angegebenen Zeilen sind dann nicht mehr notwendig. --------------------------------------------------------------------------- 4.8 VAX/VMS, OpenVMS --------------------------------------------------------------------------- VAX/VMS ist 8-bit clean. Alle Transportprotokolle sind in der Regel 8-bit clean. Die Terminals ab VT2xx koennen 8-bit uebertragen. Newsreader und Editoren sind 8-bit clean. Theoretisch sind auch die Mailer 8-bit clean, aber so mancher "Hack" macht dieses Feature wieder unbrauchbar. Die folgende Eingabe stellt ein Terminal auf 8-bit Betrieb: set terminal /eightbit --------------------------------------------------------------------------- 4.7.1 AIX (3.1, 3.2) --------------------------------------------------------------------------- Kodierung wird ueber LANG gesteuert: 1. Buchstabe gross (z.B. En_US) = PC-Kodierung, 1. Buchstabe klein (z.B. en_US) = ISO Kodierung. Beim Schreiben von Applikationen entsprechenden setlocale Aufruf nicht vergessen, sonst geht die Umlaut-Eingabe nicht. =========================================================================== Anhang D: Definitionen =========================================================================== 7-bit Text: ein 7-bit Text besteht nur aus Zeichen im Bereich 32 bis 126 sowie ausgewaehlter Steuerzeichen aus dem Bereich 0 bis 31. (in der Regel HT (9), LF (10) und ggf. auch FF (12)) Eine implizite Zeichenkodierung ist damit nur im Verbund mit MIME gegeben: ISO 646.IRV Das ist zwar mit Sicherheit die am meisten verwendete 7-bit Kodierung, aber es gibt eben noch andere. 8-bit clean: wie 7-bit Text mit der folgenden Erweiterung: Zeichen im Bereich 160 bis 255 sind zusaetzlich zulaessig. Eine implizite Zeichenkodierung ist damit nur im Verbund mit MIME gegeben: ISO 8859-1 Besser ist es jedoch die verwendete Zeichenkodierung explizit anzugeben (z. B. durch MIME charset). =========================================================================== Anhang F: ISO 8859 Fonts =========================================================================== ISO 8859 Codepages fuer MS-DOS ftp://ftp.informatik.uni-erlangen.de/pub/doc/ISO/charsets/isocp*.zip ISO 8859 Fonts fuer EGA/VGA (z. B. fuer U*IX auf PC) ftp://ftp.informatik.uni-erlangen.de/pub/doc/ISO/charsets/isof*.tar.gz =========================================================================== Anhang G: ISO 8859-1 Gueltigkeitsbereiche =========================================================================== Alle ISO 8859 Zeichenkodierungen haben folgende Dinge gemeinsam: Die Kodes 00-1F und 7F-9F sind Steuerkodes bzw. undefiniert. Die Kodes 20-7F sind identisch mit den Kodes 20-7F in ISO 646 (IRV). Die Kodes A0 (NO-BREAK SPACE) und AD (SOFT HYPHEN) sind allen gemeinsam. Diesen Kodes haben eine besondere Bedeutung und sollten in Editoren Anwendungen finden (koennen). IRV steht fuer "International Reference Version". --------------------------------------------------------------------------- ISO 8859-1 aka ECMA-94 aka LATIN ALPHABET No. 1 --------------------------------------------------------------------------- Die folgenden Sprachen werden durch ISO 8859-1 unterstuetzt: Daenisch, Deutsch, Englisch, Faeroeisch, Finnisch, Franzoesisch, Irisch, Islaendisch, Italienisch, Niederlaendisch, Norwegisch, Portugiesisch, Spanisch und Schwedisch. Im Franzoesischen werden zwar (theoretisch) auch die oe/OE-Ligaturen "benoetigt", jedoch waren es gerade die Franzosen, die bei der Erstellung der Norm der Meinung waren, man koenne auf diese Zeichen verzichten. =========================================================================== Anhang P: ISO 8859-1 Peripherie etc. =========================================================================== Die folgenden drei Listen sind absolut unvollstaendig. Bitte schickt mir an Informationen, was ihr habt. Danke! --------------------------------------------------------------------------- Betriebssysteme und Oberflaechen, die ISO 8859-1 direkt unterstuetzen --------------------------------------------------------------------------- AIX, Acorn RISC-OS, Amiga-OS, DEC ULTRIX, IRIX, Linux, Microsoft Windows, Microsoft Windows NT, OpenVMS, Sun OS, VAX/VMS, X11 --------------------------------------------------------------------------- Terminals, die ISO 8859-1 direkt unterstuetzen --------------------------------------------------------------------------- DEC VT2xx[1], DEC VT3xx, DEC VT4xx und neuer. --------------------------------------------------------------------------- Drucker, die ISO 8859-1 direkt unterstuetzen --------------------------------------------------------------------------- DEClaser xxxx, DEC LA xx, DEC LA xxx, DEC LN03[1], HP DeskJet, HP LaserJet (II und neuer), Kyocera F-xxx, Kyocera F-xxxx u.v.m. [1] unterstuetzt nur DEC MCS (Untermenge von ISO 8859-1, bis auf 2 Zeichen) =========================================================================== Anhang T: ISO 8859 Tools zur Konvertierung von Zeichenkodierungen =========================================================================== transtab ANSI-C Quellen fuer einen Zeichenkodierungskonvertergenerator Enthaelt Klartextbeschreibungen fuer ueber 78 Zeichenkodierungen. ftp://ftp.informatik.uni-erlangen.de/pub/doc/ISO/charsets/trans120.tar.gz GNU-recode GNU Konverter, basiert auf RFC-1345. ftp://ftp.cs.tu-berlin.de/pub/gnu/recode-3.3.tar.gz tcs translate character set - Plan 9 utility ftp://research.att.com/dist/tcs.shar.Z iso2asc Programm zur Wandlung von ISO 8859-1 Zeichen in eine 7bit US-ASCII-Ersatzdarstellung (z. B. "ae"). ftp://ftp.informatik.uni-erlangen.de/pub/doc/ISO/charsets/iso2asc.c ftp://ftp.informatik.uni-erlangen.de/pub/doc/ISO/charsets/iso2asc.txt konvers.el Konvertierung zwischen TeX-Schreibweise und ISO 8859-1 fuer EMACS ftp://ftp.informatik.uni-erlangen.de/pub/doc/ISO/charsets/konvers-*.tar.gz Es gibt auch einen primitiven MIME-Patch fuer MS-DOS Waffle 1.65 auf dem ftp-Server in Erlangen (MIME*.ZIP). Dieser wird aber nicht mehr gepflegt und ist nur spaerlich dokumentiert. =;^) Randbemerkung: tcs und Recode lassen sich nur mit hohem Aufwand unter MS-DOS uebersetzen und benoetigen unangenehm viel Arbeitsspeicher. =========================================================================== Anhang V: Verschiedene Informationsquellen zu Zeichenkodierungen =========================================================================== http://www.unicode.org/ http://www.vlsivie.tuwien.ac.at/mike/i18n.html http://www.iro.umontreal.ca/labs/ltp/accents_toc.html http://www.cs.tu-berlin.de/~czyborra/charsets/ http://www.kostis.net/charsets/ ftp://dkuug.dk/ ftp://ftp.informatik.uni-erlangen.de/pub/doc/ISO/charsets/ ftp://research.att.com/ ftp://ftp.unicode.org/ =========================================================================== Anhang Z: Zeichenkodierungsbeschreibung ISO 8859-1 (Kodes A0 bis FF) =========================================================================== Die Zeichenkodes 20 bis 7E sind identisch mit ISO 646.IRV (US-ASCII). Eine Auflistung dieser Zeichen kann ich mir (hoffentlich) sparen... ;) Die Zeichenkodes 00 bis 1F und 7F bis 9F sind in ISO 8859-1 nicht als druckbare Zeichen deklariert. Ich habe diese Zeichen daher nicht in diese Liste aufgenommen. Die "Syntax" der Liste ist: Hex 8bit ISO/IEC 10646-1:1993(E) Code Zeichen Zeichenname A0 NO-BREAK SPACE A1 INVERTED EXCLAMATION MARK A2 CENT SIGN A3 POUND SIGN A4 CURRENCY SIGN A5 YEN SIGN A6 BROKEN BAR A7 SECTION SIGN A8 DIAERESIS A9 COPYRIGHT SIGN AA FEMININE ORDINAL INDICATOR AB LEFT-POINTING DOUBLE ANGLE QUOTATION MARK AC NOT SIGN AD SOFT HYPHEN AE REGISTERED SIGN AF MACRON B0 DEGREE SIGN B1 PLUS-MINUS SIGN B2 SUPERSCRIPT TWO B3 SUPERSCRIPT THREE B4 ACUTE ACCENT B5 MICRO SIGN B6 PILCROW SIGN B7 MIDDLE DOT B8 CEDILLA B9 SUPERSCRIPT ONE BA MASCULINE ORDINAL INDICATOR BB RIGHT-POINTING DOUBLE ANGLE QUOTATION MARK BC VULGAR FRACTION ONE QUARTER BD VULGAR FRACTION ONE HALF BE VULGAR FRACTION THREE QUARTERS BF INVERTED QUESTION MARK C0 LATIN CAPITAL LETTER A WITH GRAVE C1 LATIN CAPITAL LETTER A WITH ACUTE C2 LATIN CAPITAL LETTER A WITH CIRCUMFLEX C3 LATIN CAPITAL LETTER A WITH TILDE C4 LATIN CAPITAL LETTER A WITH DIAERESIS C5 LATIN CAPITAL LETTER A WITH RING ABOVE C6 LATIN CAPITAL LIGATURE AE C7 LATIN CAPITAL LETTER C WITH CEDILLA C8 LATIN CAPITAL LETTER E WITH GRAVE C9 LATIN CAPITAL LETTER E WITH ACUTE CA LATIN CAPITAL LETTER E WITH CIRCUMFLEX CB LATIN CAPITAL LETTER E WITH DIAERESIS CC LATIN CAPITAL LETTER I WITH GRAVE CD LATIN CAPITAL LETTER I WITH ACUTE CE LATIN CAPITAL LETTER I WITH CIRCUMFLEX CF LATIN CAPITAL LETTER I WITH DIAERESIS D0 LATIN CAPITAL LETTER ETH D1 LATIN CAPITAL LETTER N WITH TILDE D2 LATIN CAPITAL LETTER O WITH GRAVE D3 LATIN CAPITAL LETTER O WITH ACUTE D4 LATIN CAPITAL LETTER O WITH CIRCUMFLEX D5 LATIN CAPITAL LETTER O WITH TILDE D6 LATIN CAPITAL LETTER O WITH DIAERESIS D7 MULTIPLICATION SIGN D8 LATIN CAPITAL LETTER O WITH STROKE D9 LATIN CAPITAL LETTER U WITH GRAVE DA LATIN CAPITAL LETTER U WITH ACUTE DB LATIN CAPITAL LETTER U WITH CIRCUMFLEX DC LATIN CAPITAL LETTER U WITH DIAERESIS DD LATIN CAPITAL LETTER Y WITH ACUTE DE LATIN CAPITAL LETTER THORN DF LATIN SMALL LETTER SHARP S E0 LATIN SMALL LETTER A WITH GRAVE E1 LATIN SMALL LETTER A WITH ACUTE E2 LATIN SMALL LETTER A WITH CIRCUMFLEX E3 LATIN SMALL LETTER A WITH TILDE E4 LATIN SMALL LETTER A WITH DIAERESIS E5 LATIN SMALL LETTER A WITH RING ABOVE E6 LATIN SMALL LIGATURE AE E7 LATIN SMALL LETTER C WITH CEDILLA E8 LATIN SMALL LETTER E WITH GRAVE E9 LATIN SMALL LETTER E WITH ACUTE EA LATIN SMALL LETTER E WITH CIRCUMFLEX EB LATIN SMALL LETTER E WITH DIAERESIS EC LATIN SMALL LETTER I WITH GRAVE ED LATIN SMALL LETTER I WITH ACUTE EE LATIN SMALL LETTER I WITH CIRCUMFLEX EF LATIN SMALL LETTER I WITH DIAERESIS F0 LATIN SMALL LETTER ETH F1 LATIN SMALL LETTER N WITH TILDE F2 LATIN SMALL LETTER O WITH GRAVE F3 LATIN SMALL LETTER O WITH ACUTE F4 LATIN SMALL LETTER O WITH CIRCUMFLEX F5 LATIN SMALL LETTER O WITH TILDE F6 LATIN SMALL LETTER O WITH DIAERESIS F7 DIVISION SIGN F8 LATIN SMALL LETTER O WITH STROKE F9 LATIN SMALL LETTER U WITH GRAVE FA LATIN SMALL LETTER U WITH ACUTE FB LATIN SMALL LETTER U WITH CIRCUMFLEX FC LATIN SMALL LETTER U WITH DIAERESIS FD LATIN SMALL LETTER Y WITH ACUTE FE LATIN SMALL LETTER THORN FF LATIN SMALL LETTER Y WITH DIAERESIS -- Kosta Kostis, Talstr. 25, D-63322 Rdermark, Germany http://www.kostis.net/de/privat/