UTF-8 Encoding

DokuWiki slaat tegenwoordig alle data op in UTF-8. Om problemen te voorkomen worden bestandsnamen van databestanden URL-geëncodeerd voordat ze worden opgeslagen. DokuWiki versies ouder dan release 2005-02-06 gebruiken een andere encodering, het is daarom nodig deze opnieuw te encoderen als de software wordt geüpgraded. Het wisselen naar karaktersets anders dan UTF-8 wordt niet ondersteund.

Alle moderne browsers kunnen omgaan met pagina's die UTF-8 geëncodeerd zijn - het is een van de weinige dingen die eigenlijk werkt zoals bedoelt in de meeste browsers. Als je browser sommige karakters niet correct weergeeft mis je waarschijnlijk de juiste Unicode-lettertypes.

Windowsgebruikers moeten het Arialuni.TTF lettertype van Microsoft installeren. Het zit standaard bij het Microsoft Office pakket.

Debiangebruikers kunnen mijn pagina over lettertypes lezen om te leren hoe Unicode-lettertypes juist worden geïnstalleerd.

• Unicode en HTML
• Configureer browsers voor Unicode

Als je van plan bent om databestanden rechtstreeks te wijzigen of als je een vertaling wilt maken heb je een tekstbewerker nodig die met UTF-8 kan omgaan. Er zijn veel geschikte tekstbewerkers beschikbaar. Twee kleine simpele en gratis versies die ik kan aanbevelen als je er nog een zoekt zijn ¹⁾ :

• TEA – een GTK2 gebaseerde editor voor GNU/Linux
• Notepad2 – een erg goede notepad vervanging voor Windows

Merk alsjeblieft op: DokuWiki gebruikt niet een Byte Order Mark en je moet opletten dat je software dat ook niet doet (in het bijzonder als je PHP en configuratiebestanden bewerkt).

• Gebruik op Unix http://www.gnu.org/software/libiconv/
• Gebruik op Window recode, een afgeleide versie van iconv: http://recode.progiciels-bpi.ca/archives
  • Voorbeeld van een simpele omzetting voor een Franse lokale computer:

    recode lat1..u8 test.txt

    met lat1 het kararakterset van de bron en u8 het karakterset voor de conversie naar UTF-8.

  • Om de conversie te bundelen op Windows gebruik dit (converteert alle bestanden in de submap)

    FOR /F "tokens=*" %%G IN ('dir/b/S/X ^"C:\yourpath\*.txt^"') DO recode -v lat1..u8 %%~sG

• Meer uitleg op: de link

Hieronder staan enkele voorbeelden van UTF-8 karakters om je browser te controleren²⁾.

Zodiac Tekens: ♈ ♉ ♊ ♋ ♌ ♍ ♎ ♏ ♐ ♑ ♒ ♓

Een schaakbord:

Russisch (по-русски):

По оживлённым берегам
Громады стройные теснятся
Дворцов и башен; корабли
Толпой со всех концов земли
К богатым пристаням стремятся;

Oud Grieks:

Αρχαίο Πνεύμα Αθάνατον! Ἰοὺ ἰού· τὰ πάντʼ ἂν ἐξήκοι σαφῆ.

Ὦ φῶς, τελευταῖόν σε προσϐλέψαιμι νῦν,
ὅστις πέφασμαι φύς τʼ ἀφʼ ὧν οὐ χρῆν, ξὺν οἷς τʼ
οὐ χρῆν ὁμιλῶν, οὕς τέ μʼ οὐκ ἔδει κτανών.

Modern Grieks:

Η σύγχρονη Ελλάδα, έχει να παρουσιάσει δυναμικό
έργο στον τομέα του πολιτισμού, των τεχνών και
των γραμμάτων. Αντίστοιχα δυναμική είναι η παρουσία
των Ελλήνων επιχειρηματιών στην διεθνή οικονομική
και βιομηχανική σκηνή.

Sanskriet:

पशुपतिरपि तान्यहानि कृच्छ्राद्
अगमयदद्रिसुतासमागमोत्कः । 
कमपरमवशं न विप्रकुर्युर्
विभुमपि तं यदमी स्पृशन्ति भावाः ॥

Hindi:

गूगल समाचार हिन्दी में

Koreaans:

한글은 아름다운 우리글입니다.
곱고 아름답게 사용하는 것이 우리의 의무입니다.

Chinees:

子曰：「學而時習之，不亦說乎？有朋自遠方來，不亦樂乎？
人不知而不慍，不亦君子乎？」

有子曰：「其為人也孝弟，而好犯上者，鮮矣；
不好犯上，而好作亂者，未之有也。君子務本，本立而道生。
孝弟也者，其為仁之本與！」

Japans:

「秋の田の かりほの庵の 苫をあらみ わが衣手は 露にぬれつつ」　天智天皇
「春すぎて 夏来にけらし 白妙の 衣ほすてふ 天の香具山」　持統天皇
「あしびきの 山鳥の尾の しだり尾の ながながし夜を ひとりかも寝む」　柿本人麻呂 

Lets:

Iedomu jaukie ideāli,
Vecākie principi, tikla, mīla - 
Dienas allažības priekšā
Šķīst kā graudi akmeņstarpā.

Glāžšķūņa rūķīši jautri dziedādami čiepj koncertflīģeļa vāku. 

Versimpeld Chinees:

这是简体字汉语。 zhè shì jiǎn t zì hàn yǔ 

Armeens:

Հարգանքներիս հավաստիքը Հայ Ժողովրդին:
Ամենալավ օրենքները չեն օգնի, եթե մարդիկ բանի պետք չեն:

Hebreeuws:

המשפט עם הזכוכית שאפשר לאכול בלי שזה מפריע, לא זוכר איך הוא הולך