Hi Matthias, On Sat, Mar 10, 2007 at 09:14:06PM +0100, Matthias Tuchscheerer wrote: > Christian Lohmaier schrieb: > >On Sat, Mar 10, 2007 at 01:31:52PM +0100, Guido Ostkamp wrote: > >0xC2 0xAD ist schlicht die UTF-8 kodierung des U+00AD (weichen Trenners) > > Ich habe zum analysieren der content.xml den Editor mcedit (vom > MidnightCommander) verwendet und der hat mir da _zwei_ Zeichen > angezeigt,
Dann taugt er nix/kennt kein UTF-8/nimmt einfach eine andere Zeichenkodierung zur Anzeige. > die ich auch in der Sonderzeichen-Tabelle von ooo-writer > (Font: Deja_Vu) wiederfinde, nämlich das große A mit einem Häkchen > drüber (heißt "Chapeaux" glaub ich) mit der Nummer 194 bzw. 0xc2 Â ist U+00C2, richtig. Aber in UTF-8 kodiert wäre das wieder eine Zeichenfolge aus zwei Bytes, nämlich 0xC3 0x82 (das "Hütchen" ist ein circumflex) > und > eben 173 bzw. 0xad, was auch im mcedit als hyphen dargestellt wurde und > ebenso in der Sonderzeichen-Tabelle aufgeführt ist. Ja, das bleibt übrig, gehört aber zu dem 0xC2. Entweder nimmst Du gleich eine hex-Darstellung, oder Du wählst in Deinem Editor den richtigen Zeichensatz. Ansonsten bekommst Du weißgottwas angezeigt... In diesem Fall geben die zwei bytes für sich noch Sinn und "zufällig" entspricht das zweite byte dem Unicode-Zeichencode. Mehr aber auch nicht. Also wiegesagt: Entweder den Editor gleich auf UTF-8 stellen, oder einen hexeditor nehmen. Alles andere ist Murx. > Was mich irritiert > ist, dass ich bspw. nach \x0064\x0065 suchen kann und mir tatsächlich > alle "de" herausgesucht werden, dasselbe Verfahren geht aber eben weder > mit \x00ad noch mit \x00c2\x00ad. Liegt vielleicht daran, daß der Trenner mehr oder weniger als Feld betrachtet wird, und in Feldern kann man nicht suchen. Aber der Weg, die soften Trenner zu entfernen um das Stichwortverzeichnis zu erstellen ist sowieso der falsche Weg (kann nur ein Workaround sein). Da wäre ein Issue und ein entsprechender Bugfix die bessere Lösung... ciao Christian -- NP: Evanescence - Like You --------------------------------------------------------------------- To unsubscribe, e-mail: [EMAIL PROTECTED] For additional commands, e-mail: [EMAIL PROTECTED]
