/usr/share/doc/HOWTO/fr-html/Unicode-HOWTO.html

<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 3.2//EN">
<html>
<head>
<meta name="generator" content=
"HTML Tidy for HTML5 for Linux version 5.2.0">
<meta name="GENERATOR" content="LinuxDoc-Tools 0.9.72">
<title>HOWTO Unicode</title>
</head>
<body>
<h1>HOWTO Unicode</h1>
<h2>Bruno Haible, <a href=
"mailto:haible@clisp.cons.org">&lt;haible@clisp.cons.org&gt;</a>,
traduction&nbsp;: Samuel Tribehou, <a href=
"mailto:samuel-tribehou@mail.cpod.fr">&lt;samuel-tribehou@mail.cpod.fr&gt;</a><br>
</h2>
v 0.12, 19 Octobre 1999
<hr>
<em>Ce document explique comment configurer votre système Linux
pour qu'il utilise l'encodage de texte UTF-8. Ce document est en
cours d'élaboration. Toutes les astuces, suggestions, patchs, URLs
sont les bienvenus. NDT&nbsp;: Il a été convenu avec l'auteur que
seule la présente version de ce document serait traduite dans un
premier temps, le contenu changeant pour l'instant trop souvent
pour qu'une traduction suivie puisse être réalisée. Reportez vous
au site du LDP pour obtenir la dernière version.</em>
<hr>
<h2><a name="s1">1. Introduction</a></h2>
<h2><a name="ss1.1">1.1 Pourquoi Unicode&nbsp;?</a></h2>
<p>Les gens de différents pays utilisent différents caractères pour
représenter les mots de leur langue natale. De nos jours la plupart
des applications, y compris les logiciels de courrier électronique
et les navigateurs, traitent correctement les caractères 8-bits.
Ils peuvent donc traiter et afficher du texte correctement à
condition qu'il soit représenté dans un jeu de caractères 8-bits,
comme ISO-8859-1.</p>
<p>Il y a bien plus de 256 caractères dans le monde - pensez au
cyrillique, à l'hébreu, à l'arabe, au chinois, au japonais au
coréen et au thaï -, et de temps à autres, de nouveaux caractères
sont inventés. Les problèmes que cela induit pour les utilisateurs
sont les suivants &nbsp;:</p>
<ul>
<li>Il est impossible de stocker du texte avec des jeux de
caractères différents dans le même document. Par exemple, je peux
citer des journaux russes dans une publication allemande ou
française si j'utilise TeX, xdvi et Postscript, mais je ne peux pas
le faire avec du texte pur.</li>
<li>Tant que chaque document a son propre jeu de caractères, et que
la reconnaissance des jeux de caractères n'est pas automatique,
l'intervention manuelle de l'utilisateur est inévitable. Par
exemple, pour voir la page d'accueil de la distribution Linux
XTeamLinux <a href=
"http://www.xteamlinux.com.cn/">http://www.xteamlinux.com.cn/</a>,
je dois dire à Netscape que la page web est codée en GB2312.</li>
<li>De nouveaux symboles comme l'Euro sont inventés. ISO a publié
un nouveau standard ISO-8859-15 qui est en gros identique à
ISO-8859-1, excepté qu'il supprime des caractères rarement
utilisés, comme le vieux symbole monétaire, remplacé par le signe
Euro. Si les utilisateurs acceptent ce standard, ils auront des
documents dans différents jeux de caractères sur leur disque, et
cela deviendra une préoccupation quotidienne. Mais les ordinateurs
devraient simplifier le choses, pas les compliquer.</li>
</ul>
<p>La solution à ce problème est l'adoption d'un jeu de caractères
universel. Ce jeu de caractères est Unicode <a href=
"http://www.unicode.org/">http://www.unicode.org/</a>. Pour plus
d'informations sur Unicode, faites <code>man 7 unicode</code> (page
de man contenue dans le package lpdman-1.20).</p>
<h2><a name="ss1.2">1.2 Les encodages d'Unicode</a></h2>
<p>Cela réduit le problème de l'utilisateur (devoir jongler entre
différents jeux de caractères) à un problème technique&nbsp;:
comment transporter les caractères Unicode en utilisant des octets
de 8 bits&nbsp;? L'unité de 8 bits est la plus petite unité
adressable de la plupart des ordinateurs et c'est aussi l'unité
utilisée par les connexions réseau TCP/IP. Cependant, l'utilisation
d'un octet pour la représentation d'un caractère est un accident de
l'histoire dû au fait que le développement de l'ordinateur commença
en Europe et aux États-Unis, où l'on pensait que 96 caractères
seraient suffisants pour longtemps.</p>
<p>Il y a fondamentalement quatre façons d'encoder des caractères
Unicode dans des octets&nbsp;:</p>
<dl>
<dt><b>UTF-8</b></dt>
<dd>
<p>128 caractères sont encodés en utilisant 1 octet&nbsp;: les
caractères ASCII.<br>
1920 caractères sont encodé en utilisant deux octets&nbsp;: le
latin, le grec, le cyrillique, le copte, l'arménien, l'hébreu, les
caractères arabes.<br>
63488 caractères sont encodés en utilisant 3 octets, le chinois et
le japonais entre autres.<br>
Les 2147418112 caractères restant (non encore assignés) peuvent
être encodés en utilisant 4, 5 ou 6 caractères. Pour plus
d'informations sur UTF-8, faites <code>man 7 utf-8</code> (cette
page est contenue dans le package ldpman-1.20).</p>
</dd>
<dt><b>UCS-2</b></dt>
<dd>
<p>Chaque caractère est représenté par deux octets. Cet encodage
peut représenter seulement les 65536 premiers caractères
d'Unicode.</p>
</dd>
<dt><b>UTF-16</b></dt>
<dd>
<p>C'est une extension d'UTF-2 qui peut représenter 11144112
caractères Unicode. Les 65536 premiers caractères sont représentés
par deux octets, les autres par quatre.</p>
</dd>
<dt><b>UCS-4</b></dt>
<dd>
<p>Chaque caractère est représenté par 4 octets.</p>
</dd>
</dl>
<p>L'espace nécessaire pour encoder un texte, comparativement aux
encodages actuellement en usage (8 bits par caractères pour les
langues européennes, plus pour le chinois/japonais/coréen), est le
suivant&nbsp;: (Cela a une influence sur l'espace disque, et la
vitesse des communications réseau.</p>
<dl>
<dt><b>UTF-8</b></dt>
<dd>
<p>Pas de changement pour l'ASCII américain, juste quelques
pourcents supplémentaires pour ISO-8859-1, 50 % de plus pour le
chinois/japonais/coréen, 100 % de plus pour le grec et le
cyrillique.</p>
</dd>
<dt><b>UCS-2 et UTF-16</b></dt>
<dd>
<p>Pas de changement pour le chinois/japonais/coréen, augmentation
de 100 % pour l'US ASCII et ISO-8859-1, le grec et le
cyrillique.</p>
</dd>
<dt><b>UCS-4</b></dt>
<dd>
<p>Augmentation de 100% pour le chinois/japonais/coréen. De 300%
pour l'US ASCII et ISO-8859-1, le grec et le cyrillique.</p>
</dd>
</dl>
<p>Étant donné la pénalité pour les documents américains et
européens, causée par UCS-2, UTF-8 et UCS-4, il semble peu probable
que ces encodages aient un potentiel pour une utilisation à grande
échelle. L'API Win32 Microsoft supporte l'encodage UCS-2 depuis
1995 (au moins), cependant cet encodage n'a pas été largement
adopté pour les documents -SJIS demeure prédominant au Japon.</p>
<p>D'un autre côté UTF-8 a le potentiel pour une utilisation à
large échelle, puisqu'il ne pénalise pas les utilisateurs
américains et européens, et que beaucoup de logiciels de
"traitement de texte" (NDT&nbsp;: au sens large) n'ont pas besoin
d'être changés pour supporter UTF-8.<br>
Nous allons maintenant expliquer comment configurer votre système
Linux pour qu'il utilise UTF-8 comme encodage de texte.</p>
<h3>Notes pour les développeurs C/C++</h3>
<p>L'approche de Microsoft Win32 rend facile pour les développeurs
la production de versions Unicode de leurs programmes&nbsp;: Vous
définissez Unicode ("#define UNICODE") au début de votre programme,
et changez alors un grand nombre d'occurrences de <code>char</code>
en <code>TCHAR</code> jusqu'à ce que votre programme compile sans
Warnings. Le problèmes est que vous avez au final deux versions de
votre programme&nbsp;: une qui comprend le texte UCS-2 mais pas les
encodages 8-bit, et une autre qui ne comprend que les vieux
encodages 8-bit.</p>
<p>En plus, il y a une complication qui affecte UCS-2 et
UCS-4&nbsp;: l'ordre de la représentation interne des nombre (``the
endianness''). Le registre de systèmes de codage de caractères de
la IANA dit à l'égard de ISO-10646-UCS-2&nbsp;: "il faut spécifier
l'ordre de la représentation interne des nombres à l'intérieur du
réseau, le standard ne le spécifie pas". Cette représentation est
"big endian" en contexte réseau, alors que Microsoft recommande
dans ses outils de développement C/C++ d'utiliser une représention
dépendante de la machine (c.a.d. "little endian" sur les
processeurs ix86), et d'ajouter une marque de polarité (BOM) au
début du document, ou d'utiliser des heuristiques basées sur la
statistique.</p>
<p>D'un autre côté l'approche de UTF-8 garde <code>char*</code>
comme type standard pour le stockage des chaînes en C. Il en
résulte que votre programme supportera l'US ASCII, indépendamment
de toute variable d'environnement, et supportera les textes encodés
en ISO-8859-1 et UTF-8 à condition que la variable d'environnement
LANG soit positionnée en conséquence.</p>
<h2><a name="ss1.3">1.3 Liens</a></h2>
<p>La liste de ressources de Markus Kuhn (mise à jour très
régulièrement)&nbsp;:</p>
<ul>
<li><a href=
"http://www.cl.cam.ac.uk/~mgk25/unicode.html">http://www.cl.cam.ac.uk/~mgk25/unicode.html</a></li>
<li><a href=
"http://www.cl.cam.ac.uk/~mgk25/ucs-fonts.html">http://www.cl.cam.ac.uk/~mgk25/ucs-fonts.html</a></li>
</ul>
<p>Un survol d'Unicode, UTF-8 et des programmes fonctionnant avec
UTF-8 de Roman Czyborra&nbsp;:<br>
<a href=
"http://czyborra.com/utf/#UTF-8">http://czyborra.com/utf/#UTF-8</a></p>
<p>Des exemples de fichiers UTF-8&nbsp;:</p>
<ul>
<li>Les fichiers <code>quickbrown.txt</code>,
<code>utf-8-test.txt</code>, <code>utf-8-demo.txt</code> dans le
répertoire <code>examples</code> dans le package ucs-fonts de
Markus Kuhn<br>
<a href=
"http://www.cl.cam.ac.uk/~mgk25/download/ucs-fonts.tar.gz">http://www.cl.cam.ac.uk/~mgk25/download/ucs-fonts.tar.gz</a></li>
<li><a href=
"ftp://ftp.cs.su.oz.au/gary/x-utf8.html">ftp://ftp.cs.su.oz.au/gary/x-utf8.html</a></li>
<li>Le fichier <code>iso10646</code> dans le package trans-1.1.1 de
Kosta Kosti<br>
<a href=
"ftp://ftp.nid.ru/pub/os/unix/misc/trans111.tar.gz">ftp://ftp.nid.ru/pub/os/unix/misc/trans111.tar.gz</a></li>
<li><a href=
"ftp://ftp.dante.de/pub/tex/info/lwc/apc/utf8.html">ftp://ftp.dante.de/pub/tex/info/lwc/apc/utf8.html</a></li>
<li><a href=
"http://www.cogsci.ed.ac.uk/~richard/unicode-sample.html">http://www.cogsci.ed.ac.uk/~richard/unicode-sample.html</a></li>
</ul>
<h2><a name="s2">2. Configuration de l'affichage</a></h2>
<p>Nous supposons que vous avez déjà adapté votre console Linux et
la configuration de X11 à votre clavier et avez positionné
correctement la variable de localisation LANG. Ceci est expliqué
dans le Danish/International HOWTO, et dans les autres HOWTOS
nationaux&nbsp;: Finish, French, German, Italian, Polish,
Slovenian, Spanish, Cyrillic, Hebrew, Chinese, Thai, Esperanto.
Mais, s'il vous plaît, ne suivez pas le conseil donné dans le
Thai-HOWTO vous disant de faire croire que vous utilisez des
caractères ISO-8859-1 (U0000..U00FF) alors que vous tapez des
caractères Thai (U0E01..U0E5B). Faire cela ne vous causera que des
problèmes lorsque vous passerez à Unicode.</p>
<h2><a name="ss2.1">2.1 La console Linux</a></h2>
<p>Je ne parle pas tellement de la console ici, parce que je ne
l'utilise que pour rentrer mon login, password, et taper
<code>xinit</code> sur les machines dépourvues de xdm.</p>
<p>Mais revenons à nos moutons&nbsp;: le package kbd-0.99 <a href=
"ftp://sunsite.unc.edu/pub/Linux/system/keyboards/kbd-0.99.tar.gz">ftp://sunsite.unc.edu/pub/Linux/system/keyboards/kbd-0.99.tar.gz</a>,
et une version largement étendue, le package
console-tools-0.2.2<br>
<a href=
"ftp://sunsite.unc.edu/pub/Linux/system/keyboards/console-tools-0.2.2.tar.gz">
ftp://sunsite.unc.edu/pub/Linux/system/keyboards/console-tools-0.2.2.tar.gz</a>,
contiennent dans le répertoire kbd-0.99/src/ (ou
console-tools-0.22/screenfonttools/) deux programmes&nbsp;:
�unicode_start� et �unicode_stop�. Quand vous appelez
�unicode_start�, la sortie de la console est interprétée comme de
l'UTF-8. De plus, le clavier est mis en mode Unicode (voir "man
kbd_mode"). Dans ce mode, les caractères Unicode tapés par
Alt-x1...Alt-xn (où x1...xn sont les chiffres de pavé numérique)
seront émis en UTF-8. Si votre clavier, ou plus précisément, votre
keymap a des touches correspondant à des caractères non ASCII(comme
le Umlaute allemand), que vous souhaiteriez pouvoir �CapsLocker�,
vous devez appliquer au kernel le patch <a href=
"linux-2.2.9-keyboard.diff">linux-2.2.9-keyboard.diff</a> ou
<a href=
"linux-2.3.12-keyboard.diff">linux-2.3.12-keyboard.diff</a>.</p>
<p>Vous voudrez probablement afficher des caractères de différents
alphabets sur le même écran. Pour cela, vous aurez besoin d'une
fonte Unicode pour la console.<br>
Le package <a href=
"ftp://sunsite.unc.edu/pub/Linux/system/keyboards/console-data-1999.08.29.tar.gz">
ftp://sunsite.unc.edu/pub/Linux/system/keyboards/console-data-1999.08.29.tar.gz</a>
contient une fonte (LatArCyrHeb-{08,14,16,19}.psf), qui couvre les
lettres pour le latin, le cyrillique, l'hébreu, et l'arabe. Il
supporte les parties 1, 2, 3, 4, 5, 6, 8, 9, 10 d'ISO-8859 à lui
tout seul. Pour l'installer, copiez le dans
/usr/lib/kbd/consolefonts/, et exécutez<br>
<code>/usr/bin/setfont
/usr/lib/kbd/consolefonts/LatArCyrHeb-14.psf</code>.</p>
<p>Si vous voulez que le copier-coller marche avec les consoles
UTF-8, vous aurez besoin du patch <a href=
"linux-2.3.12-console.diff">linux-2.3.12-console.diff</a> d'Edmund
Thomas, Grimley Evans et Stanislav Voronyi.</p>
<h2><a name="ss2.2">2.2 Fontes étrangères pour X11</a></h2>
<p>N'hésitez pas à installer des fontes cyrilliques, chinoises,
japonaises, etc. Même si ce ne sont pas des fontes Unicodes, elles
aideront à afficher des documents Unicode&nbsp;: au moins Netscape
Communicator 4 et Java feront usage des fontes étrangères si elles
sont disponibles.</p>
<p>Les programmes suivants sont utiles pour installer des
fontes&nbsp;:</p>
<ul>
<li>"mkfontdir répertoire" prépare un répertoire de fontes
utilisables par le serveur X. Il doit être exécuté après avoir
installé les fontes dans un répertoire.</li>
<li>"xset fp+ répertoire" ajoute un répertoire au chemin de fontes
actuel du serveur X. Pour que ce soit permanent, ajoutez une ligne
"FontPath" à votre fichier /etc/XF86Config, dans la section
"Files".</li>
<li>"xset fp rehash" doit être exécuté après avoir appelé mkfontdir
sur un répertoire qui est déjà contenu dans le chemin de fontes
actuel du serveur X.</li>
<li>"xfontsel" vous permet de parcourir les fontes installées en
filtrant selon les diverses propriétés des fontes.</li>
<li>"xlsfonts -fn motif-de-recherche" liste toutes les fontes qui
correspondent à un motif de recherche. Il affiche aussi diverses
propriétés des fontes. En particulier, "xlsfonts -ll -fn fonte"
liste les propriétés de la fonte CHARSET_REGISTRY et
CHARSET_ENCODING, qui ensemble déterminent l'encodage de la
fonte.</li>
<li>"xfd -fn fonte" affiche une fonte page par page.</li>
</ul>
<p>Les fontes suivantes sont disponibles gratuitement (liste non
exhaustive)&nbsp;:</p>
<ul>
<li>Celle contenues dans XFree86, quelquefois contenues dans un
package séparé. Par exemple, la SuSE a seulement les fontes 75 dpi
normales dans le package "xf86" de base. Les autres fontes sont
dans les packages "xfnt100", "xfntbig", "xfntcyr", "xfntscl".</li>
<li>Les fontes internationales pour Emacs,&nbsp; <a href=
"ftp://ftp.gnu.org/pub/gnu/intlfonts/intlfonts-1.1.tar.gz">ftp://ftp.gnu.org/pub/gnu/intlfonts/intlfonts-1.1.tar.gz</a>.
Comme il a été mentionné précédemment, elles sont utiles même si
vous préférez XEmacs à GNU Emacs, ou même si vous n'utilisez pas
Emacs du tout.</li>
</ul>
<h2><a name="ss2.3">2.3 Les fontes Unicode pour X11</a></h2>
<p>Les applications qui souhaitent pouvoir afficher du texte
utilisant différentes alphabets (comme le cyrillique et le grec) en
même temps, peuvent le faire en utilisant les différentes fontes X
pour chaque partie de texte. C'est ce que font Netscape
Communicator et Java. Cependant, cette approche est plus
compliquée, parce que au lieu de travailler avec "Font" et
"XFontStruct", le programmeur devra utiliser "XFonSet", et aussi
parce que toutes les fontes dans le jeu de fontes doivent avoir les
mêmes dimensions.</p>
<ul>
<li>Markus Kuhn a assemblé des fontes à largeur fixe (fixed width)
de 75 dpi avec Unicode couvrant le latin, le grec, le cyrillique,
l'arménien, le géorgien, l'hébreu, et les écritures symboliques.
Elles couvrent les parties 1 à 10 et 13 à 15 de ISO-8859 en un seul
jeu de fontes. Cette fonte est nécessaire pour utiliser un xterm en
mode UTF-8. <a href=
"http://www.cl.cam.ac.uk/~mgk25/download/ucs-fonts.tar.gz">http://www.cl.cam.ac.uk/~mgk25/download/ucs-fonts.tar.gz</a></li>
<li>Roman Czyborra a assemblé une fonte 8x16/16x16 75 dpi avec
l'encodage Unicode couvrant une partie énorme d'Unicode.
Teléchargez unifont.hex.gz et hex2bdf depuis <a href=
"http://czyborra.com/unifont/">http://czyborra.com/unifont/</a>
Elle n'est pas à largeur fixe&nbsp;: 8 pixels de large pour les
caractères européens, 16 pour les caractères chinois. Instructions
d'installation&nbsp;:
<blockquote>
<pre><code>
$ gunzip unifont.hex.gz
$ hex2bdf &lt; unifont.hex &gt; unifont.bdf
$ bdftopcf -o unifont.pcf unifont.bdf
$ gzip -9 unifont.pcf
$ cp unifont.pcf.gz /usr/X11R6/lib/X11/fonts/misc
$ cd usr/X11R6/lib/X11/fonts/misc
$ mkfontdir
$ xset fp rehash
</code></pre></blockquote>
</li>
<li>Primoz Peterlin a assemblé un famille de fontes ETL couvrant le
latin, le grec, le cyrillique, l'arménien, le géorgien, et
l'hébreu. <a href=
"ftp://ftp.x.org/contrib/fonts/etl-unicode.tar.gz">ftp://ftp.x.org/contrib/fonts/etl-unicode.tar.gz</a>.
Utilisez le programme "bdftopcf" pour l'installer.</li>
</ul>
<h2><a name="ss2.4">2.4 Unicode xterm</a></h2>
<p>xterm fait partie de X11R6 et XFree86, mais il est maintenu
séparément par Tom Dickey.<br>
<a href=
"http://www.clark.net/pub/dickey/xterm/xterm.html">http://www.clark.net/pub/dickey/xterm/xterm.html</a>.
Les nouvelles versions (patch niveau 109 et plus) supportent la
conversion des touches (keystrokes) en UTF-8 avant de les envoyer à
l'application qui tourne dans le xterm, et l'affichage des
caractères Unicode que l'application renvoie comme une séquence
d'octets UTF-8.</p>
<p>Pour obtenir un xterm UTF-8 fonctionnel, vous devez&nbsp;:</p>
<ul>
<li>Rapatrier <a href=
"http://www.clark.net/pub/dickey/xterm/xterm.tar.gz">http://www.clark.net/pub/dickey/xterm/xterm.tar.gz</a>.</li>
<li>Le configurer en exécutant "./configure -enable-wide-chars...",
puis le compiler et l'installer.</li>
<li>Avoir une fonte Unicode à largeur fixe installée.
ucs-fonts.tar.gz de Markus Kuhn (voir ci-dessus) est fait pour
ça.</li>
<li>Lancer "xterm -u8 -fn fixed". L'option "-u8" enclenche le
support d'Unicode et d'UTF-8. La fonte "fixed" est celle de Markus
Khun.</li>
<li>Jeter un oeil aux fichiers-exemples contenus dans le package
ucs-fonts de Markus Khun&nbsp;:&nbsp;
<blockquote>
<pre><code>
$ cd .../ucs-fonts
$ cat quickbrown.txt
$ cat utf-8-demo.txt
</code></pre></blockquote>
Vous devriez voir (entre autre) des caractères grecs et
cyrilliques.</li>
<li>Pour configurer xterm pour qu'il utilise le support UTF-8 dès
le lancement, ajoutez la ligne "XTerm*utf8:1" à votre
$HOME/.Xdefaults (pour vous seul). Je ne recommande pas de changer
directement /usr/X11R6/lib/X11/app-defauts/XTerm, parce que vos
changements seront effacés lorsque vous installerez une nouvelle
version de XFree86.</li>
<li>Si vous avez aussi changé le nom de la fonte, vous aurez besoin
d'une ligne "*VT100*font: votre-fonte" dans votre fichier
$HOME/.Xdefaults. Pour les fontes "fixes" ce n'est pas nécessaire,
puisque "fixed" est la valeur par défaut de toute façon.</li>
</ul>
<h2><a name="ss2.5">2.5 Divers</a></h2>
<p>Un petit programme qui teste si une console Linux est en mode
UTF-8 peut être trouvé dans le package <a href=
"ftp://sunsite.unc.edu/pub/Linux/system/keyboards/x-lt-1.18.tar.gz">
ftp://sunsite.unc.edu/pub/Linux/system/keyboards/x-lt-1.18.tar.gz</a>
de Ricardas Cepas. Ce sont les fichiers testUTF-8.c et
testUTF8.c.</p>
<h2><a name="s3">3. Configuration des locales</a></h2>
<h2><a name="ss3.1">3.1 Les fichiers et le kernel</a></h2>
<p>Vous pouvez maintenant utiliser n'importe quel caractère Unicode
dans les noms de fichiers. Ni le kernel ni aucun utilitaire système
ne nécessite de modifications. Ceci parce que les noms de fichiers
dans le kernel peuvent être n'importe quoi qui ne contient ni octet
nul, ni '/' (utilisé pour délimiter les sous-répertoires). Quand
ils sont encodés en utilisant UTF-8, les caractères non-ASCII ne
seront jamais encodés en utilisant un octet nul ou un slash. La
seule conséquence est que les noms de fichiers et de répertoires
occupent plus d'octets qu'ils ne contiennent de caractères. Par
exemple, un nom de fichier contenant cinq caractères grecs
apparaîtra pour le kernel comme un nom de fichier de 10 octets. Le
kernel ne sait pas (et n'a pas besoin de savoir) que ces octets
sont affichés en grec.</p>
<p>C'est une théorie générale, qui est vraie tant que vos fichiers
restent sur un système Linux. Sur les systèmes de fichiers utilisés
depuis d'autres systèmes d'exploitation, <code>mount</code> possède
des options pour contrôler la conversion des noms de fichiers
de/vers UTF-8&nbsp;:</p>
<ul>
<li>Les systèmes de fichiers "vfat" ont une option "utf8".<br>
Voir le fichier <a href=
"file:/usr/src/linux/Documentation/filesystems/vfat.txt">file:/usr/src/linux/Documentation/filesystems/vfat.txt</a>.
Quand vous donnez à mount une option "iocharset" différente de
celle utilisée par défaut (qui est "iso8859-1"), les résultats avec
et sans l'option "utf8" ne sont pas cohérents. Par conséquent, je
ne conseille pas d'utiliser l'option "iocharset" de mount.</li>
<li>Les systèmes de fichiers "msdos", "umsdos" ont la même option
de montage, mais il semble qu'elle n'ait pas d'effet.</li>
<li>Le système de fichiers "iso9660" a une option de montage
"utf8".<br>
Voir <a href=
"file:/usr/src/linux/Documentation/filesystems/isofs.txt">file:/usr/src/linux/Documentation/filesystems/isofs.txt</a></li>
<li>À partir des kernels Linux 2.2.x, le système de fichier "ntfs"
a une option de montage"utf8".<br>
Voir <a href=
"file:/usr/src/linux/Documentation/filesystems/ntfs.txt">file:/usr/src/linux/Documentation/filesystems/ntfs.txt</a></li>
</ul>
<p>Les autres systèmes de fichiers (nfs, smbfs, ncpfs, hpfs, etc.)
ne convertissent pas les noms de fichiers. Par conséquent ils
accepteront les noms de fichier Unicode encodés en UTF-8 seulement
si l'autre système d'exploitation les supporte. Rappelez vous que
pour qu'une option de montage soit appliquée aux prochains
montages, vous devez l'ajouter à la quatrième colonne de la ligne
correspondante dans /etc/fstab.</p>
<h2><a name="ss3.2">3.2 Le kernel et les ttys</a></h2>
<p>Les ttys sont en quelque sorte des tubes bidirectionnels entre
deux programmes, autorisant des choses comme la répétition
(echoing) ou l'édition de la ligne de commande. Quand dans un
xterm, vous exécutez la commande "cat" sans arguments, vous pouvez
entrer et éditer autant de lignes que vous voulez, elles seront
répétées en retour ligne par ligne. Les actions d'édition du kernel
ne sont pas correctes, en particulier les touche Backspace et Tab
ne seront pas traitées correctement.</p>
<p>Pour résoudre ce problème, vous devez&nbsp;:</p>
<ul>
<li>Appliquer le patch <a href=
"linux-2.0.35-tty.diff">linux-2.0.35-tty.diff</a> ou <a href=
"linux-2.2.9-tty.diff">linux-2.2.9-tty.diff</a> ou <a href=
"linux-2.3.12-tty.diff">linux-2.3.12-tty.diff</a> et recompiler
votre kernel.</li>
<li>Si vous utilisez la glibc2, appliquer le patch <a href=
"glibc211-tty.diff">glibc211-tty.diff</a> et recompiler votre libc.
Si vous n'êtes pas aussi aventureux, il suffit de patcher une
version déjà installée avec le fichier inclus&nbsp;: <a href=
"glibc-tty.diff">glibc-tty.diff</a></li>
<li>Appliquer le patch <a href="stty.diff">stty.diff</a> à GNU
sh-utils-1.16b, et recompiler le programme <code>stty</code>.
Testez le ensuite en utilisant <code>stty -a</code> et <code>stty
iutf8</code>.</li>
<li>Ajouter la commande <code>stty iutf8</code> au script
unicode_start, et la commande <code>stty -iutf8</code> au script
unicode_stop.</li>
<li>Appliquer le patch <a href="xterm.diff">xterm.diff</a> à
xterm-109, et recompiler "xterm", puis le tester en lançant
<code>xterm -u8</code> / <code>xterm +u8</code> et en lançant
<code>stty -a</code> et un <code>cat</code> interactif à
l'intérieur.</li>
</ul>
<p>Pour que ce changement soit persistant même à travers rlogin et
telnet, vous devrez aussi&nbsp;:</p>
<ul>
<li>Définir des nouvelles valeurs pour la variable d'environnement
TERM, "linux-utf8" comme alias pour "linux", et "xterm-utf8" comme
alias pour "xterm". Si vous avez la bibliothèque ncurses sur votre
système et la base de données /usr/lib/terminfo (ou
/usr/share/terminfo), faites cela en éxecutant
<blockquote>
<pre><code>
$ tic linux-utf8 . terminfo
$ tic xterm-utfu . terminfo
</code></pre></blockquote>
sur un compte utilisateur (cela créera les entrées terminfo dans
votre repertoir $HOME/.terminfo). Voilà <a href=
"linux-utf8.terminfo">linux-utf8.terminfo</a> et <a href=
"xterm-utf8.terminfo">xterm-utf8.terminfo</a>.<br>
Je ne recommande pas de lancer ces commandes en tant que root,
parce que cela créera les entrées terminfo dans /urs/lib/terminfo,
où, elles seront probablement effacées lors de la prochaine mise à
jour de votre système. Si votre système possède un fichier
/etc/termcap, vous devriez aussi éditer ce fichier&nbsp;: copiez
les entrées linux et xterm, et donnez leur les nouveaux noms
"linux-utf8" et "xterm-utf8". Le fichier&nbsp; <a href=
"termcap.diff">termcap.diff</a> contient un exemple.</li>
<li>À chaque fois que vous appelez "unicode_start" et
"unicode_stop" depuis la console, exécutez aussi "export TERM
=linux-utf8", ou "export TERM=linux", respectivement.</li>
<li>Appliquer le patch <a href="xterm2.diff">xterm2.diff</a> à
xterm-0.9, recompiler "xterm", et et enlever toutes les lignes
"XTerm*termName" des fichiers /usr/X11R6/lib/X11/app-defaults/XTerm
et $HOME/.Xdefaults. Maintenant xterm donne à TERM la valeur
"xterm-utf8" plutôt que "xterm".</li>
<li>Appliquer les patches <a href="netkit.diff">netkit.diff</a>,
<a href="netkitb.diff">netkitb.diff</a>et <a href=
"telnet.diff">telnet.diff</a> puis recompiler "rlogind" et
"telnetd". Maintenant rlogin et telnet mettent tty en mode
d'édition UTF-8 à chaque fois que la variable d'environnement TERM
est "linux-ut8" ou "xterm-utf8".</li>
</ul>
<h2><a name="ss3.3">3.3 Conversion de données générales</a></h2>
<p>Vous aurez besoin d'un programme pour convertir vos fichiers
texte locaux (probablement ISO-8859-1) en UTF-8. L'alternative
serait de continuer à utiliser des textes qui utilisent différents
encodages sur la même machine, mais ce n'est pas une bonne solution
sur le long terme. Un de ces programmes est "iconv", qui est livré
avec la glibc-2.1. Tapez simplement</p>
<blockquote>
<pre><code>
icon --from-code=ISO-8859-1 --to-code=UTF-8 &lt; vieux_fichier &gt; nouveau_fichier
</code></pre></blockquote>
<p>Voici deux scripts shell très pratiques, appelés&nbsp; "i2u"
<a href="i2u.sh">i2u.sh</a> (pour conversion de ISO à UTF) et&nbsp;
"u2i" <a href="u2i.sh">u2i.sh</a> (pour conversion de UTF à ISO).
[skip adapt..]</p>
<p>Si vous n'avez pas la glibc-2.1 et iconv installés, vous pouvez
utiliser GNU recode 3.5 à la place. "i2u" <a href=
"i2u_recode.sh">i2u_recode.sh</a> est "recode ISO-8859-1..UTF-8"
"u2i" <a href="u2i_recode.sh">u2i_recode.sh</a> est "recode
UTF-8..ISO-8859-1".<br>
<a href=
"ftp://ftp.iro.umontreal.ca/pub/recode/recode-3.5.tar.gz">ftp://ftp.iro.umontreal.ca/pub/recode/recode-3.5.tar.gz</a><br>

<a href=
"ftp://ftp.gnu.org/pub/gnu/recode/recode-3.5.tar.gz">ftp://ftp.gnu.org/pub/gnu/recode/recode-3.5.tar.gz</a><br>

Notes&nbsp;: vous devez utiliser GNU recode 3.5 ou plus. Pour
compiler GNU recode sur des plateformes sans glibc-2 (c'est à dire
sur toutes les plateformes sauf les systèmes Linux récents), vous
devez le configurer avec "--disable-nls", autrement l'édition des
liens échouera.</p>
<p>Sinon, vous pouvez aussi utiliser CLISP à la place. Voici "i2u"
et "u2i" en version lisp&nbsp;: <a href="i2u.lsp">i2u.lsp</a> et
<a href="u2i.lsp">u2i.lsp</a>.<br>
Note&nbsp;: Vous devez avoir une version de CLISP qui date au plus
de juillet 1999.<br>
<a href=
"ftp://clisp.cons.org/pub/lisp/clisp/source/clispsrc.tar.gz">ftp://clisp.cons.org/pub/lisp/clisp/source/clispsrc.tar.gz</a><br>

D'autres programmes de conversion de données existent, mais ils
sont moins puissants que GNU recode. Ce sont</p>
<ul>
<li>"trans"<br>
<a href=
"ftp://ftp.informatik.uni-erlangen.de/pub/doc/ISO/charsets/trans113.tar.gz">
ftp://ftp.informatik.uni-erlangen.de/pub/doc/ISO/charsets/trans113.tar.gz</a></li>
<li>"tcs" qui vient du système d'exploitation Plan9&nbsp;:<br>
<a href=
"ftp://ftp.informatik.uni-erlangen.de/pub/doc/ISO/charsets/tcs.tar.gz">
ftp://ftp.informatik.uni-erlangen.de/pub/doc/ISO/charsets/tcs.tar.gz</a></li>
<li>et "utrans/uhtrans/hutrans" par G.Adam Stanislav&nbsp; <a href=
"mailto:adam@whizkidtech.net">&lt;adam@whizkidtech.net&gt;</a><br>
<a href=
"ftp://ftp.cdrom.com/pub/FreeBSD/distfiles/i18ntools-1.0.tar.gz">ftp://ftp.cdrom.com/pub/FreeBSD/distfiles/i18ntools-1.0.tar.gz</a></li>
</ul>
<h2><a name="ss3.4">3.4 Les variables d'environnement
locales</a></h2>
<p>Vous pouvez avoir les variables d'environnement suivantes
positionnées, contenant les noms de locales&nbsp;:</p>
<dl>
<dt><b>LANGUAGE</b></dt>
<dd>
<p>Remplacement pour LC_MESSAGES. Seulement utilisé par GNU
gettext.</p>
</dd>
<dt><b>LC_ALL</b></dt>
<dd>
<p>Remplacement pour toute les autres variables
LC_*&nbsp;:&nbsp;</p>
</dd>
<dt><b>LC_CTYPE, LC_MESSAGES, LC_COLLATE, LC_NUMERIC, LC_MONETARY,
LC_TIME</b></dt>
<dd>
<p>Ce sont des variables individuelles pour&nbsp;: le type des
caractères et leur encodage, les messages en langue maternelle, les
règles de classement, le format des nombres, le format des montants
monétaires, l'affichage de la date et de l'heure.</p>
</dd>
<dt><b>LANG</b></dt>
<dd>
<p>Valeur par défaut pour toutes les variables LC_*</p>
</dd>
</dl>
(Voir `<code>man 7 locale</code>' pour une description détaillée.)
<p>Chacune des variables LC_* et LANG peuvent contenir un nom de
locale de la forme suivante&nbsp;:</p>
<blockquote>language[_territory[.codeset]][@modifier]</blockquote>
<p>Où <em>language</em> est un code de langue <a href="ISO_639">ISO
639</a> (en minuscules), <em>territory</em> est un code de pays
<a href="ISO_3166">ISO 3166</a> (en majuscules), <em>codeset</em>
désigne une table de caractères, et <em>modifier</em> d'autres
attributs particuliers (par pour exemple indiquer un dialecte
particulier d'une langue, ou une orthographe non standard).</p>
<p>LANGUAGE peut contenir plusieurs noms de locale, séparés par
deux points (:).</p>
<p>Pour dire à votre système et à toutes les applications que vous
utilisez UTF-8, vous devez ajouter un suffixe d'UTF-8 à vos noms de
locales. Par exemple, si vous utilisiez</p>
<blockquote>
<pre><code>
LANGUAGE=de:fr:en
LC_CTYPE=de_DE
</code></pre></blockquote>
<p>vous le changeriez en</p>
<blockquote>
<pre><code>
LANGUAGE=de.UTF-8:fr.UTF-8:en.UTF-8
LC_CTYPE=de_DE.UTF-8
</code></pre></blockquote>
<h2><a name="ss3.5">3.5 Créer les fichiers pour le support des
locales</a></h2>
<p>Si vous avez la glibc-2.1 ou glibc-2.1.1 ou glibc-2.1.2
installée, vérifiez d'abord en utilisant "localedef -help" que le
répertoire système pour le tables de caractères est
/usr/share/i18n/charmaps. Puis appliquez au fichier
/usr/share/i18n/charmaps/UTF8 le patch <a href=
"glibc21.diff">glibc21.diff</a> ou <a href=
"glibc211.diff">glibc211.diff</a> ou <a href=
"glibc212.diff">glibc212.diff</a>, respectivement. Puis créez les
fichiers de support pour toute les locales UTF-8 que vous voulez
utiliser, par exemple&nbsp;:</p>
<blockquote>
<pre><code>
$ localedef -v -c -i de_DE -f UTF8 /usr/share/locale/de_DE.UTF-8
</code></pre></blockquote>
<p>Généralement vous n'avez pas besoin de créer des variables
appelées "de" ou "fr" sans suffixe pour le code du pays, parce que
ces locales sont normalement utilisées seulement par la variable
LANGUAGE, et pas par les variables LC_*. De plus LANGUAGE est
seulement utilisé en remplacement de LC_MESSAGES.</p>
<h2><a name="ss3.6">3.6 Ajouter le support pour la bibliothèque
C</a></h2>
<p>La glibc-2.2 supportera les locales multi-octets (de plusieurs
octets), en particulier les locales UTF-8 créées plus haut. Mais
les glibc-2.1 et 2.1.1 ne la supportent pas réellement. Par
conséquent le seul effet réel de la création des fichiers
/usr/local/share/de_DE.UTF-8/* ci dessus est que
<code>setlocale(LC_ALL,"")</code> retournera "de_DE.UTF-8",
conformément à vos variables d'environnement, au lieu d'enlever le
suffixe "UTF-8".</p>
<p>Pour ajouter le support pour la locale UTF-8, vous devriez
compiler et installer la bibliothèque 'libutf8_plug.so', depuis
<a href="libutf8-0.5.2.tar.gz">libutf8-0.5.2.tar.gz</a>. Puis vous
pouvez positionner la variable d'environnement LD_PRELOAD pour
qu'elle pointe sur la bibliothèque installée&nbsp;:</p>
<blockquote>
<pre><code>
export LD_PRELOAD=/usr/local/lib/libutf8_plug.so
</code></pre></blockquote>
Alors, dans chaque programme lancé avec cette variable
d'environnement positionnée, les fonctions de libutf8_plug.so
seront appelées à la place des originales dans /lib/libc.so.6. Pour
plus d'informations sur LS_PRELOAD, voyez "man 8 ld.so".
<p>Tout cela ne sera plus nécessaire quand la glibc-2.2
sortira.</p>
<h2><a name="ss3.7">3.7 Conversion des catalogues de
messages</a></h2>
<p>Maintenant ajoutons un contenu à ces nouvelles locales. Les
commandes /bin/sh suivantes convertiront vos catalogues de messages
au format UTF-8. Elles doivent être lancées en tant que root, et
nécessitent les programmes 'msgfmt' et 'msgunfmt' de GNU
gettext-0.10.35 <a href=
"convert-msgcat.sh">convert-msgcat.sh</a>.<br>
Ceci non plus ne sera plus nécessaire une fois que la glibc-2.2
sera sortie, parce qu'alors la fonction gettext convertira les
chaînes de caractères de façon appropriée depuis la table de
caractères du traducteur vers la table de caractères de
l'utilisateur, en utilisant soit iconv soit librecode.</p>
<h2><a name="s4">4. Applications spécifiques.</a></h2>
<h2><a name="ss4.1">4.1 Le réseau</a></h2>
<h3>rlogin</h3>
<p>Marche bien avec les patches mentionnés précédemment.</p>
<h3>telnet</h3>
<p>Telnet n'est pas ne traite pas les caractères 8-bits (il n'est
pas"8-bit-clean") par défaut. Pour pouvoir envoyer des codes de
touches Unicode à un hôte distant, vous devez mettre telnet en mode
"outbinary". Il y a deux façons de faire cela&nbsp;:&nbsp;</p>
<blockquote>
<pre><code>
$ telnet -L &lt;hote&gt;
</code></pre></blockquote>
<p>et</p>
<blockquote>
<pre><code>
$telnet
telnet&gt; set outbinary
telnet&gt; open &lt;hote&gt;
</code></pre></blockquote>
<p>en outre, utilisez les patches mentionnés précédemment.</p>
<h2><a name="ss4.2">4.2 Les navigateurs</a></h2>
<h3>Netscape</h3>
<p>Netscape 4.05 ou plus peut afficher des documents HTML en
encodage UTF-8. Tout ce qu'un document nécessite est la ligne
suivante, située entre les tags &lt;head&gt; et &lt;/head&gt;</p>
<blockquote>
<pre><code>
&lt;meta http-equiv="Content-Type" content="text/html; charset=UTF-8"&gt;
</code></pre></blockquote>
Netscape 4.05 ou plus peut aussi afficher du HTML et du texte en
encodage UCS-2 avec le [byte-order mark]. <a href=
"http://www.netscape.com/computing/download/">http://www.netscape.com/computing/download/</a>
<h3>Lynx</h3>
<p>Lynx 2.8 a un écran d'options (touche 'O') qui permet de
sélectionner la table de caractères utilisée à l'affichage. Quand
il, tourne dans un xterm ou depuis une "Linux console" en mode
UTF-8, sélectionnez "UNICODE UTF-8".</p>
<p>Maintenant, encore une fois, tout ce qu'un document nécessite
est la ligne suivante, entre les tags &lt;head&gt; et
&lt;/head&gt;&nbsp;:</p>
<blockquote>
<pre><code>
&lt;meta http-equiv="Content-Type" content="text/html; charset=UTF-8"&gt;
</code></pre></blockquote>
<p>Quand vous visualisez des fichiers texte encodés en UTF-8, vous
devez aussi passer à la ligne de commande l'option&nbsp;
"-assume_local_charset=UTF-8" (affecte seulement les URLs de type
file:/...) ou "-assume_charset=UTF-8" (affecte toute les URLs).
Sinon, dans Lynx-2.2.8, vous pouvez, dans l'écran d'options,
changer le jeu de caractères supposé par défaut ("assumed document
character set") en "utf-8".</p>
<p>Il y a aussi, dans l'écran d'options, une option permettant de
choisir le jeu de caractères par défaut ("preferred document
character set"), mais cela n'a pas d'effet, au moins avec les URLs
file:/... et http://... servies par apache-1.3.0.</p>
<p>Cependant, il y a un problème concernant les espaces et les fins
de lignes : regardez à la section russe de x-utf-8.html, ou
utf-8-demo.txt.</p>
<p>Notez aussi que dans Lynx-2.8.2, configuré avec l'option
-enable-prettysrc, les jolies combinaisons de couleurs ne marchent
plus correctement quand le jeu de caractères pour l'affichage à été
positionné à "UNICODE-UTF-8". Ce problème est résolu par le patch
<a href="lynx282.diff">lynx282.diff</a>.</p>
<p>D'après les développeurs de lynx&nbsp;: "Pour une utilisation
sérieuse de l'affichage UTF-8 avec Lynx, il est toujours recommandé
de compiler avec la bibliothèque slang et -DSLANG_MBCS_HACK."<br>
<a href=
"ftp://ftp.gnu.org/pub/gnu/lynx/lynx-2.8.2.tar.gz">ftp://ftp.gnu.org/pub/gnu/lynx/lynx-2.8.2.tar.gz</a><br>

<a href="http://lynx.browser.org/">http://lynx.browser.org/</a><br>
<a href=
"http://www.slcc.edu/lynx/">http://www.slcc.edu/lynx/</a><br>
<a href="ftp://lynx.isc.org/">ftp://lynx.isc.org/</a></p>
<h3>Pages de test</h3>
<p>Des pages de test pour les navigateurs peuvent être trouvées sur
les pages d'Alan Wood et James Kass &nbsp;:<br>
<a href=
"http://www.hclrss.demon.co.uk/unicode/#links">http://www.hclrss.demon.co.uk/unicode/#links</a>,
<a href=
"http://home.att.net/~jameskass/">http://home.att.net/~jameskass/</a></p>
<h2><a name="ss4.3">4.3 Les éditeurs</a></h2>
<h3>yudit</h3>
<p>Le programme <code>yudit</code> de Gáspár Sinai <a href=
"http://czyborra.com/yudit/">http://czyborra.com/yudit/</a> est un
éditeur de texte unicode de premier ordre pour le système X Window.
Il supporte le traitement simultané de beaucoup de langages,
méthodes d'entrée, conversions de caractères locaux standards. Il
est équipé pour supporter l'entrée de texte dans tous les langages
avec seulement un clavier anglais, en utilisant des tables de
configuration du clavier.</p>
<p>Il peut être compilé en 3 versions&nbsp;: interface graphique
Xlib , KDE, ou Motif.</p>
<p>Il peut être personnalisé très facilement. Typiquement, vous
voudrez modifier votre fonte. Depuis le menu font je choisis
"Unicode". Puis, puisque la commande "xlsfonts '*_*-iso10646-1"
donnait toujours un affichage ambigu, je choisis un taille de fonte
de 13 (pour correspondre à la fonte fixe de 13 pixels de Markhus
Kuhn).</p>
<p>Ensuite, vous personnaliserez votre méthode d'entrée. Les
méthodes "Straight", "Unicode" et "SGML" sont les plus
intéressantes. Pour avoir des détails sur les autres méthodes
d'entrées incorporées, regardez dans
"/usr/local/share/yudit/data/".</p>
<p>Pour qu'un changement devienne un réglage par défaut pour les
prochaines sessions, éditez votre fichier $HOME/.yuditrc.</p>
<p>Les fonctionnalités générales de l'éditeur sont limitées à
l'édition, le copier-coller, et le "chercher-remplacer"
(search&amp;replace). Pas de fonction d'annulation (undo).</p>
<h3>mined98</h3>
<p><code>mined98</code> est un petit éditeur de texte de Michiel
Huisjes, Achim Müller et Thomas Wolff : <a href=
"http://www.inf.fu-berlin.de/~wolff/mined.html">http://www.inf.fu-berlin.de/~wolff/mined.html</a>.
Il vous permet d'éditer des fichier encodés en UTF-8 ou 8 bits,
dans un xterm UTF-8 ou 8-bits. Il dispose aussi de puissantes
fonctionnalités pour entrer les caractères Unicode.</p>
<p>Quand mined est lancé dans un xterm ou une console Linux en mode
UTF-8, vous devriez positionner la variable d'environnement
<code>utf8_term</code>, ou appeler mined avec l'option
<code>-U</code>.</p>
<p>mined vous permet d'éditer des fichiers encodés aussi bien en
UTF-8 qu'en 8-bits. Par défaut il utilise un heuristique
d'auto-détection. Si vous ne voulez pas vous reposer sur des
heuristiques, passez l'option <code>-u</code> à la ligne de
commande lorsque vous éditez un fichier UTF-8, ou <code>+u</code>
lorsque vous éditez un fichier encodé en 8 bits. Vous pouvez
changer l'interprétation à n'importe quel moment depuis
l'éditeur&nbsp;: il affiche l'encodage ("L:h" pour du 8-bits, "U:h"
pour de l'UTF-8) dans la ligne de menu. Vous pouvez cliquer sur le
premier de ces caractères pour le changer.</p>
<p>Quelques bémols&nbsp;:</p>
<ul>
<li>Le binaire Linux dans la distribution est dépassé et ne
supporte pas UTF-8. Vous devrez recompiler un binaire à partir des
sources. Installez ensuite src/mined dans /usr/local/bin/mined et
doc/mined.help dans /usr/local/man/cat1/mined.1, de façon à ce que
<code>ESC h</code> le trouve.</li>
<li>mined ignore votre réglage "stty erase". Quand votre touche
backspace renvoie un code ASCII 127, et que vous avez positionné
"stty erase ^?" - ce qui est finalement le réglage le plus sûr -
vous devez appeler mined avec l'option <code>-B</code> de façon à
ce que la touche backspace efface le caractère à gauche du
curseur.</li>
<li>Les touches "Home", "End", "Delete" ne marchent pas.</li>
</ul>
<h3>vim</h3>
<p><code>vim</code> (depuis la version 5.4m) supporte les locales
multi-octets, mais seulement si la bibliothèque X a le même
support, et seulement pour les encodages avec au moins deux octets
par caractères, i.e les encodages ISO-2022. Il ne supporte pas
l'UTF-8.</p>
<h3>emacs</h3>
<p>Avant tout, vous devriez lire la section "International
Character Set Support" (noeud "International") dans le manuel
d'Emacs. En particulier, notez que vous devez démarrer Emacs avec
la commande</p>
<blockquote>
<pre><code>
$ emacs -fn fontset-standard
</code></pre></blockquote>
pour qu'il utilise un jeu de fontes comprenant beaucoup de
caractères internationaux.
<p>À court terme, le package emacs-utf <a href=
"http://www.cs.ust.hk/faculty/otfried/Mule/">http://www.cs.ust.hk/faculty/otfried/Mule/</a>
d'Otfried Cheong procure un "unicode-utf-8" pour Emacs. Après avoir
compilé le programme "utf2mule" et l'avoir installé quelque part
dans votre $PATH, installez aussi unicode.el, muleuni-1.el,
unicode_char.el quelque part, et ajoutez les lignes</p>
<blockquote>
<pre><code>
     (setq load-path (cons "/home/user/somewhere/emacs" load-path))
     (if (not (string-match "XEmacs" emacs-version))
       (progn
         (require 'unicode)
         (if (eq window-system 'x)
           (progn
             (create-fontset-from-fontset-spec
               "-misc-fixed-medium-r-normal-*-12-*-*-*-*-*-fontset-standard")
             (create-fontset-from-fontset-spec
               "-misc-fixed-medium-r-normal-*-13-*-*-*-*-*-fontset-standard")
             (create-fontset-from-fontset-spec
               "-misc-fixed-medium-r-normal-*-14-*-*-*-*-*-fontset-standard")
             (create-fontset-from-fontset-spec
               "-misc-fixed-medium-r-normal-*-15-*-*-*-*-*-fontset-standard")
             (create-fontset-from-fontset-spec
               "-misc-fixed-medium-r-normal-*-16-*-*-*-*-*-fontset-standard")
             (create-fontset-from-fontset-spec
               "-misc-fixed-medium-r-normal-*-18-*-*-*-*-*-fontset-standard")))))
</code></pre></blockquote>
<p>à votre $HOME/.emacs. Pour activer un des jeux de fontes,
utilisez l'item "Set Font/FonSet" du menu mule, ou
Shift-down-mouse-1. Pour l'instant les jeux de fontes avec des
hauteurs de 15 et 13 ont le meilleur support Unicode, grâce aux
fontes 9x15 et 6x13 de Markus Kuhn. Pour ouvrir un fichier encodé
en UTF-8, vous pouvez taper</p>
<blockquote>
<pre><code>
M-x universal-coding-system-argument unicode-utf8 RET
M-x find-file filename RET
</code></pre></blockquote>
ou
<blockquote>
<pre><code>
C-x RET c unicode-utf8 RET
C-x C-f filename RET
</code></pre></blockquote>
<p>Notez que cela marche avec Emacs seulement en mode fenêtre, pas
en mode terminal.</p>
<p>Richard Stallman prévoit à long terme d'ajouter un support
d'UTF-8 intégré à Emacs.</p>
<h3>Xemacs</h3>
<p>(Cette section est écrite par Gilbert Baumann.)</p>
<p>Voici comment apprendre à XEmacs (20.4 configuré avec MULE)
l'encodage UTF-8. Malheureusement vous aurez besoin des sources
pour pouvoir le patcher.</p>
<p>D'abord vous aurez besoin de ces fichiers fournis par Tomohiko
Morioka&nbsp;:</p>
<p><a href=
"http://turnbull.sk.tsukuba.ac.jp/Tools/XEmacs/xemacs-21.0-b55-emc-b55-ucs.diff">
http://turnbull.sk.tsukuba.ac.jp/Tools/XEmacs/xemacs-21.0-b55-emc-b55-ucs.diff</a></p>
<p><a href=
"http://turnbull.sk.tsukuba.ac.jp/Tools/XEmacs/xemacs-ucs-conv-0.1.tar.gz">
http://turnbull.sk.tsukuba.ac.jp/Tools/XEmacs/xemacs-ucs-conv-0.1.tar.gz</a></p>
<p>Le .diff est un diff pour les sources C. Le tarball contient du
code elisp, qui fournit beaucoup de tables de code qui permettent
la conversion depuis et vers Unicode. Comme le nom du diff le
suggère, il est prévu pour XEmacs-21. J'ai eu besoin d'aider un peu
'patch'. La différence la plus notable avec mes sources XEmacs-20.4
est que file-coding.[ch] était appelé mule-coding.[ch]</p>
<p>Pour ceux qui connaissent peu XEmacs-MULE (comme moi) voici un
guide rapide&nbsp;:</p>
<p>Ce que nous appelons un encodage est appelé par MULE "coding
system". Les commandes les plus importantes sont&nbsp;:</p>
<blockquote>
<pre><code>
M-x set-file-coding-system
M-x set-buffer-process-coding-system [comint buffer]
</code></pre></blockquote>
<p>et la variable 'file-coding-system-alist', qui guide 'find-file'
pour qu'il trouve l'encodage utilisé. Une fois que tout marchait,
la première chose que j'ai faite fut <a href=
"gb-hacks.el">ceci</a>.</p>
<p>Ce code cherche une ligne de mode spéciale commençant par _*_
quelque part dans les 600 premiers octets du fichier qui va être
ouvert. Si cette ligne contient un champ "Encoding: xyz;" et que
l'encodage xyz ("coding system" dans le langage d'Emacs) existe, il
le sélectionne. Donc maintenant vous pouvez utiliser&nbsp;:</p>
<blockquote>
<pre><code>
;;;  _*_ Mode: Lisp; Syntax: Common-Lisp; Package: CLEX; Encoding:
utf-8; _*_
</code></pre></blockquote>
<p>et Emacs entrera en mode utf-8 à partir de là.</p>
<p>Une fois que tout marchait, j'ai défini une macro pour \u03BB
(lambda grec) comme ceci&nbsp;:&nbsp;</p>
<blockquote>
<pre><code>
(defmacro \u03BB (x) '(lambda .,x))
</code></pre></blockquote>
<h3>nedit</h3>
<h3>xedit</h3>
<p>En théorie, <code>xedit</code> devrait être capable d'éditer des
fichiers UTF-8 si vos locales sont configurées en conséquence (voir
au dessus), et que vous ajoutez la ligne "Xedit*international:
true" à votre fichier $HOME/.Xdefaults.&nbsp; En pratique, il
reconnaîtra les encodages UTF-8 des caractères non ASCII, mais il
les affichera comme des séquences de caractères "@".</p>
<h3>axe</h3>
<p>En théorie, <code>axe</code> devrait être capable d'éditer des
fichiers UTF-8 si vos locales sont configurées en conséquence (voir
au dessus), et que vous ajoutez la ligne "Axe*International: true"
à votre fichier $HOME/.Xdefaults. En pratique, il vous laissera
simplement un joli fichier core.</p>
<h3>pico</h3>
<h3>TeX</h3>
<p>Les distributions de teTex 0.9 (et supérieures) contiennent une
adaptation Unicode de TeX, appelée Omega ( <a href=
"http://www.gutenberg.eu.org/omega/">http://www.gutenberg.eu.org/omega/</a>
<a href=
"ftp://ftp.ens.fr/pub/tex/yannis/omega">ftp://ftp.ens.fr/pub/tex/yannis/omega</a>),
mais est-ce que quelqu'un connaîtrait un tutorial sur ce
système&nbsp;?</p>
<p>Autres liens peut-être en rapport&nbsp;:<br>
<a href=
"http://www.dante.de/projekte/nts/NTS-FAQ.html">http://www.dante.de/projekte/nts/NTS-FAQ.html</a>,<br>

<a href=
"ftp://ftp.dante.de/pub/tex/language/chinese/CJK/">ftp://ftp.dante.de/pub/tex/language/chinese/CJK/</a></p>
<h2><a name="ss4.4">4.4 Les logiciels de courrier
électronique</a></h2>
<p>MIME&nbsp;: RFC 2279 définit les jeux de caractères UTF-8 et
MIME, qui peuvent être convertis en encodage 8-bits,
quoted-printable ou base64. L'ancienne norme MIME UTF-7 (RFC 2152)
est considérée comme étant obsolète ("deprecated") et ne devrait
plus être utilisée.</p>
<p>Les clients mail sortis après le 1er janvier 1999 devraient être
capables d'envoyer et d'afficher des courriers encodés en UTF-8,
sous peine d'être considérés comme incomplets. Mais ces courriers
doivent contenir les étiquettes (labels) MIME&nbsp;:</p>
<blockquote>
<pre><code>
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8-bit
</code></pre></blockquote>
<p>Envoyer simplement un fichier UTF-8 vers "mail" via un
<em>pipe</em> sans faire attention aux labels MIME ne fonctionnera
pas. Les gens qui implémentent des clients de courrier devraient
jeter un oeil à <a href=
"http://www.imc.org/imc-intl/">http://www.imc.org/imc-intl/</a> et
<a href=
"http://www.imc.org/mail-i18n.html">http://www.imc.org/mail-i18n.html</a></p>
<p>Parlons maintenant des clients mail individuels (ou "mail user
agents")&nbsp;:</p>
<h3>pine</h3>
<p>La situation pour une version non patchée de pine 4.10 est la
suivante.</p>
<p>Pine ne fait pas de conversion de jeu de caractères. Mais il
vous permet de voir des courriers UTF-8 dans une fenêtre texte
UTF-8 (console Linux ou xterm).</p>
<p>Normalement, Pine se plaindra du fait qu'il y a différents jeux
de caractères à chaque fois que vous visualiserez un courrier
encodé en UTF-8. Pour vous débarrasser de cet avertissement,
choisissez S (setup), puis C (config), et changez la valeur de
"character set" à UTF-8. Cette option ne fera rien à part réduire
le nombre d'avertissements, puisque Pine ne connaît pas UTF-8 en
interne.</p>
<p>Notez aussi que pour Pine la notion de caractères Unicode est
très limitée&nbsp;: il affichera les caractères latins et grecs,
mais ce sont les seuls types de caractères Unicode qu'il
connaît.</p>
<p>Un patch de Robert Brady <a href=
"http://www.ents.susu.soton.ac.uk/~robert/pine-utf8-0.1.diff">http://www.ents.susu.soton.ac.uk/~robert/pine-utf8-0.1.diff</a>
ajoute à Pine un support UTF-8. Avec ce patch, il peut décoder et
afficher les entêtes et le corps des messages correctement. Ce
patch nécessite GNOME libunicode <a href=
"http://cvs.gnome.org/lxr/source/libunicode/">http://cvs.gnome.org/lxr/source/libunicode/</a>.</p>
<h3>Kmail</h3>
<p>Kmail (comme tout KDE 1.0) ne contient absolument aucun support
pour les mails en UTF-8.</p>
<h3>Netscape Communicator</h3>
<p>Le Messenger de Netscape Communicator peut envoyer et afficher
des mails encodés en UTF-8, mais cela nécessite quelques
interventions manuelles de l'utilisateur.</p>
<p>Pour envoyer un mail encodé en UTF-8&nbsp;: après avoir ouvert
la fenêtre "Compose", mais avant de commencer à composer le
message, sélectionnez dans le menu "View -&gt; Character Set
-&gt;Unicode (UTF-8)" puis composez votre message et envoyez
le.</p>
<p>Quand vous recevez un courrier encodé en UTF-8, Netscape ne
l'affiche malheureusement pas en UTF-8 directement, et ne donne
même pas un indice visuel montrant que le courrier a été encodé en
UTF-8. Vous devez sélectionner manuellement l'option adéquate dans
"View -&gt; Character Set -&gt; Unicode (UTF-8)". Pour afficher les
courriers UTF-8, Netscape utilise des fontes différenciées. Vous
pouvez ajuster la fonte utilisée dans la boîte de dialogue "Edit
-&gt; Preferences -&gt; Fonts". Choisissez la catégorie de fontes
"Unicode".</p>
<h3>Emacs (rmail, vm)</h3>
<h2><a name="ss4.5">4.5 Autres applications en mode texte</a></h2>
<h3>less</h3>
<p>Teléchargez <a href=
"ftp://ftp.gnu.org/pub/gnu/less/less-340.tar.gz">ftp://ftp.gnu.org/pub/gnu/less/less-340.tar.gz</a>
et appliquez le patch <a href=
"less-340-utf-2.diff">less-340-utf-2.diff</a> de Robert Brady
<a href=
"mailto:rwb197@ecs.soton.ac.uk">&lt;rwb197@ecs.soton.ac.uk&gt;</a>.
Puis positionnez la variable d'environnement LESSCHARSET&nbsp;:</p>
<blockquote>
<pre><code>
export LESSCHARSET=utf-8
</code></pre></blockquote>
Si vous avez positionné une variable d'environnement LESSKEY,
vérifiez aussi que le fichier vers lequel elle pointe ne définit
pas LESSCHARSET. Si nécessaire, régénérez ce fichier en utilisant
la commande 'lesskeys', ou enlevez la variable d'environnement
LESSKEYS.
<h3>expand, wc</h3>
<p>Procurez vous GNU textutils-2.0 et appliquez le patch <a href=
"textutils-2.0.diff">textutils-2.0.diff</a>, puis lancez
configure.<br>
Ajoutez "#define HAVE_MBRTOWC 1", "#define HAVE_FPUTWC 1" à
config.h. Dans src/Makefile, modifiez CFLAGS et LDFLAGS pour qu'ils
incluent les répertoires où libutf8 est installé, puis
recompilez.</p>
<h3>col, colcrt, colrm, column, rev, ul</h3>
<p>Procurez vous le package util-linux-2.9y, configurez le, puis
définissez ENABLE_WIDECHAR dans defines.h , changez le "# if 0" en
"# if 1" dans lib/widechar.h. dans text-utils/Makefile, modifiez
CFLAGS et LDFLAGS pour qu'ils incluent les répertoires où libutf8
est installé. Puis recompilez.</p>
<h3>figlet</h3>
<p>Figlet 2.2 a une option pour gérer l'entrée en UTF-8&nbsp;:
"figlet -C utf-8".</p>
<h3>kermit</h3>
<p>Le programme de communication série C-Kermit <a href=
"http://www.columbia.edu/kermit/">http://www.columbia.edu/kermit/</a>,
dans les versions 7.0beta10 et supérieures, comprend les encodages
de fichier et de transfert UTF-8 et UCS-2, et l'encodage de
terminal UTF-8. La documentation de ces caractéristiques peut être
trouvée à <a href=
"ftp://kermit.columbia.edu/kermit/test/text/ckermit2.txt">ftp://kermit.columbia.edu/kermit/test/text/ckermit2.txt</a></p>
<h2><a name="ss4.6">4.6 Autres applications X11</a></h2>
<p>La Xlib de X11 ne peut malheureusement pas encore localiser
UTF-8, cela devrait être travaillé prochainement.</p>
<h2><a name="s5">5. Comment faire pour que vos programmes
comprennent Unicode</a></h2>
<h2><a name="ss5.1">5.1 C/C++</a></h2>
<p>Le type C '<code>char</code>' est 8-bits et restera 8-bits parce
qu'il désigne la plus petite unité de données adressable. Divers
aménagements sont disponibles&nbsp;:&nbsp;</p>
<h3>Pour le traitement de texte normal</h3>
<p>Le standard ISO/ANSI C contient, dans une correction qui fut
ajoutée en 1995, un type de caractère codé sur 16 bits
`<code>wchar_t</code>', un ensemble de fonctions comme celles
contenues dans <code>&lt;string.h&gt;</code> et
<code>&lt;ctype.h&gt;</code> (déclarées respectivement dans
<code>&lt;wchar.h&gt;</code> et <code>&lt;wctype.h&gt;</code>), et
un ensemble de fonctions de conversion entre `<code>char *</code>'
et `<code>wchar_t *</code>' (déclarées dans
<code>&lt;stdlib.h&gt;</code>).</p>
<p>Voici de bonnes réferences pour cette interface de
programmation&nbsp;:</p>
<ul>
<li>Le manuel de GNU libc-2.1, chapitres 4 "Characters Handling" et
6 "Character Set Handling"</li>
<li>Les pages de manuel <a href=
"man-mbswcs.tar.gz">man-mbswcs.tar.gz</a></li>
<li>La référence de la bibliothèque C Dinkumware <a href=
"http://www.dinkumware.com/htm_cl/">http://www.dinkumware.com/htm_cl/</a></li>
<li>La spécification Single Unix d'OpenGroup <a href=
"http://www.UNIX-systems.org/online.html">http://www.UNIX-systems.org/online.html</a></li>
</ul>
<p>Avantages de cette interface de programmation&nbsp;:</p>
<ul>
<li>C'est un standard non propriétaire.</li>
<li>Ces fonctions font ce qu'il faut, selon les locales de
l'utilisateur. Tout ce qu'un programme doit faire est d'appeler
<code>setlocale(LC_ALL,"");</code>.</li>
</ul>
<p>Inconvénients de cette interface de programmation&nbsp;:</p>
<ul>
<li>Certaines de ces fonctions ne sont pas "multithread-safe" parce
qu'elles conservent un état interne caché entre les appels de
fonction.</li>
<li>Il n'y a pas de type de donnée de première classe. Par
conséquent cette API ne peut pas être utilisée raisonnablement pour
tout ce qui nécessite plus d'une locale ou d'un jeu de caractères
au même moment.</li>
<li>La plupart des systèmes d'exploitation ont un mauvais support
de cette interface de programmation.</li>
</ul>
<h3>Notes concernant la portabilité</h3>
<p>Une variable `<code>wchar_t</code>' peut être encodée en Unicode
ou non. Ceci dépend de la plateforme et quelquefois aussi des
locales. Une séquence multi-octets `<code>wchar_t</code>' peut être
encodée en UTF-8 ou non selon la plateforme, et parfois selon les
locales.</p>
<p>En détails, voici ce que la <a href=
"http://www.UNIX-systems.org/online.html">Single Unix
specification</a> dit à propos du type
`<code>wchar_t</code>'&nbsp;:</p>
<p><em>Tous les codes de caractères 16 bits dans un processus donné
consistent en un nombre égal de bits. Ceci en contraste avec les
caractères, qui peuvent être constitués d'un nombre variable
d'octets. L'octet ou la séquence d'octets qui représentent un
caractère peuvent aussi être représentés comme un code de caractère
16 bits. Les codes de caractères 16 bits fournissent donc une
taille uniforme pour manipuler les données textuelles. Un code de
caractère 16 bits ayant tous les bits à 0 est un code de caractère
16 bits nul (null), et termine une chaîne. La valeur des caractères
larges pour chaque membre du "Portable Character Set"</em> (i.e
ASCII) <em>est égale quand il est utilisé en tant que seul
caractère dans un caractère entier (integer) constant. Les codes de
caractères 16 bits pour les autres caractères dépendent des locales
et de l'implémentation. Les octets modificateurs d'état n'ont pas
de représentation en code de caractère 16 bits.</em></p>
<p>Une conséquence notable est que dans des programmes portables
vous ne devriez pas utiliser des caractères non-ASCII dans des
chaînes littérales. Cela signifie que même si vous savez que les
doubles guillemets ont les codes U+201C et U+201D, vous ne devriez
pas écrire une chaîne littérale <code>L"\u201cBonjour\u201d, dit
il"</code> ou <code>"\xe2\x80\x9cBonjour\xe2\x80\x9d, dit
il"</code> dans des programmes C. Utilisez plutôt GNU gettext comme
cela&nbsp;: <code>gettext ("'Bonjour', dit il")</code>, et créez
une base de données de messages en.UTF-8.po qui traduit "'Bonjour'
dit il" en <code>"\u201cBonjour\u201d, dit il"</code>.</p>
<p>Voici une étude de la portabilité des aménagements ISO/ANSI C
sur diverses implémentations d'Unix. La GNU glibc-2.2 les
supportera tous, mais pour l'instant nous avons le tableau
suivant.</p>
<dl>
<dt><b>GNU glibc-2.0.x, glibc-2.1.x</b></dt>
<dd>
<ul>
<li>&lt;wchar.h&gt; et &lt;wctype.h&gt; existent.</li>
<li>Possède les fonctions wcs/mbs, mais pas
fgetwc/fputwc/wprintf.</li>
<li>Pas de locales UTF-8.</li>
<li>mbrtowc retourne EILSEQ pour les octets &gt;= 0x80.</li>
</ul>
</dd>
<dt><b>Solaris 2.7</b></dt>
<dd>
<ul>
<li>&lt;wchar.h&gt; et &lt;wctype.h&gt; existent.</li>
<li>Possède toutes les fonctions wcs/mbs,
fgetwc/fputwc/wprintf.</li>
<li>Supporte les locales UTF-8 suivantes&nbsp;: en_US.UTF-8,
de.UTF-8, es.UTF-8, fr.UTF-8, it.UTF-8, sv.UTF-8.</li>
<li>mbrtowc retourne EILSEQ pour les octets &gt;= 0x80.</li>
</ul>
</dd>
<dt><b>OSF/1 4.0d</b></dt>
<dd>
<ul>
<li>&lt;wchar.h&gt; et &lt;wctype.h&gt; existent.</li>
<li>Possède toutes les fonctions wcs/mbs,
fgetwc/fputwc/wprintf.</li>
<li>A en plus universal.utf8@ucs4 locale, voir "man 5
unicode".</li>
<li>mbrtowc ne connaît pas UTF-8.</li>
</ul>
</dd>
<dt><b>Irix 6.5</b></dt>
<dd>
<ul>
<li>&lt;wchar.h&gt; et &lt;wctype.h&gt; existent.</li>
<li>Possède les fonctions wcs/mbs et fgetwc/fputwc, mais pas
wprintf.</li>
<li>N'a pas de locales multi-octets.</li>
<li>A seulement un simulacre de définition pour mbstate_t.</li>
<li>N'a pas mbrtowc.</li>
</ul>
</dd>
<dt><b>HP-UX 11.00</b></dt>
<dd>
<ul>
<li>&lt;wchar.h&gt; existe, mais pas &lt;wctype.h&gt;.</li>
<li>Possède les fonctions wcs/mbs et fgetwc/fputwc, mais pas
wprintf.</li>
<li>A une locale C.utf8.</li>
<li>N'a pas mbstate_t.</li>
<li>N'a pas mbrtowc.</li>
</ul>
</dd>
<dt><b>AIX 4.2</b></dt>
<dd>
<ul>
<li>&lt;wchar.h&gt; existe, mais pas &lt;wctype.h&gt; - utilisez à
la place &lt;ctype.h&gt; et &lt;wchar.h&gt;.</li>
<li>Possède les fonctions wcs/mbs et fgetwc/fputwc, mais pas
wprintf.</li>
<li>Possède les locales UTF-8 suivantes&nbsp;: ET_EE.UTF-8,
LT_LT.UTF-8, LV_LV.UTF-8, ZH_CN.UTF-8.</li>
<li>N'a pas mbstate_t.</li>
<li>N'a pas mbrtowc.</li>
</ul>
</dd>
</dl>
<p>Par conséquent je recommande l'utilisation des fonctions
redémarrables et multithread-safe wcsr/mbsr. Oubliez les systèmes
qui ne les ont pas (Irix, HP-UX, Aix), et utilisez le plug-in qui
permet d'utiliser des locales UTF-8, libutf8_plug.so (voir ci
dessous) sur les systèmes qui vous permettent de compiler des
programmes qui utilisent ces fonctions wcrs/mbsr (Linux, Solaris,
OSF/1).</p>
<p>Un avis similaire, donné par Sun dans <a href=
"http://www.sun.com/software/white-papers/wp-unicode/">http://www.sun.com/software/white-papers/wp-unicode/</a>,
section "Internationalized Applications with Unicode",
est&nbsp;:</p>
<p><em>Pour internationaliser correctement une application utilisez
les indications suivantes&nbsp;:</em></p>
<ol>
<li><em>Évitez l'accès direct à Unicode. Ceci est la tâche de la
couche d'internationalisation de la plateforme.</em></li>
<li><em>Utilisez le modèles POSIX pour les interfaces multi-octets
et à caractères 16 bits.</em></li>
<li><em>Appelez seulement les fonctions de l'API que la couche
d'internationalisation fournit pour la langue et les opération
spécifiques à la culture.</em></li>
<li><em>Restez indépendant de l'encodage.</em></li>
</ol>
<p>Si, pour une raison quelconque, vous devez vraiment supposer que
'wchar_t' est Unicode dans un morceau de code (par exemple, si vous
voulez faire un traitement spécial de certains caractères Unicode),
vous devriez rendre ce bout de code conditionnel selon le résultat
de <code>is_locale_utf88()</code>. Autrement vous allez mettre la
pagaille dans le comportement de votre programme sur d'autres
plateformes, ou si d'autres locales sont utilisées. La fonction
<code>is_locale_utf8()</code> est déclarée dans <a href=
"utf8locale.h">utf8locale.h</a> et définie dans <a href=
"utf8locale.c">utf8locale.c</a>.</p>
<h3>La bibliothèque libutf8</h3>
<p>Une implémentation portable de l'API ISO/ANSI C, qui supporte
les locales 8-bits et les locales UTF-8, peut être trouvée dans
<a href="libutf8-0.5.2.tar.gz">libutf8-0.5.2.tar.gz</a></p>
<p>Avantages&nbsp;:</p>
<ul>
<li>Dès maintenant un support pour Unicode UTF-8 portable, même sur
les systèmes d'exploitation dont le support des caractères
multi-octets ne marche pas, ou qui n'ont pas du tout de support
pour les caractères multi-octets/larges.</li>
<li>Le même binaire marche pour toutes les locales 8-bit et les
locales UTF-8 supportées par le système.</li>
<li>Quand un système d'exploitation fournit un vrai support pour
les caractères multi-octets, vous pouvez en tirer avantage
simplement en recompilant sans l'option du compilateur
-DHAVE_LIBUTF8.</li>
</ul>
<h3>La méthode Plan9</h3>
<p>Le système d'exploitation Plan9, une variante d'Unix, utilise
UTF-8 comme encodage dans toutes ses applications. Son type de
caractère large est appelé '<code>Rune</code>', pas
'<code>wchar_</code>'. Des parties ce ses bibliothèques, écrites
par Rob Pike et Howard Trikey, sont disponibles à <a href=
"ftp://ftp.cdrom.com/pub/netlib/research/9libs/9libs-1.0.tar.gz">ftp://ftp.cdrom.com/pub/netlib/research/9libs/9libs-1.0.tar.gz</a>.
Une autre bibliothèque similaire, écrite par Alistair G. Crook, est
à <a href=
"ftp://ftp.cdrom.com/pub/NetBSD/packages/distfiles/libutf-2.10.tar.gz">
ftp://ftp.cdrom.com/pub/NetBSD/packages/distfiles/libutf-2.10.tar.gz</a>.<br>

En particulier, chacune de ces bibliothèques contient un moteur
d'expressions rationnelles qui comprend l'UTF-8.</p>
<p>Désavantages de cette API&nbsp;:</p>
<ul>
<li>UTF-8 est compilé dans la bibliothèque, pas optionnel. Les
programmes compilés dans cet univers perdent le support des
encodages 8-bits qui sont toujours utilisés fréquemment en
Europe.</li>
</ul>
<h3>Pour les interfaces utilisateur graphiques</h3>
<p>La bibliothèque QT-2.0 <a href=
"http://www.troll.no/">http://www.troll.no/</a> contient la classe
QString qui est totalement Unicode. Vous pouvez utiliser les
fonctions membres QString::utf8 et QString::fromUtf8 pour convertir
depuis/vers un texte encodé en UTF-8. Les fonctions membres
QString::ascii et QString::latin1 ne devraient plus être
utilisées.</p>
<h3>Pour la manipulation de texte avancée</h3>
<p>Les bibliothèques mentionnées précédemment implémentent des
versions des concepts ASCII qui comprennent Unicode. Voici des
bibliothèques qui traitent des concepts Unicode, comme titlecase
(Une troisième casse de lettres, différente des majuscules et des
minuscules), la distinction entre la ponctuation et les symboles,
la décomposition canonique, les classes combinables, le classement
canonique et d'autres choses du même genre.</p>
<dl>
<dt><b>ucdata-1.9</b></dt>
<dd>
<p>La bibliothèque ucdata de Mark Leisher <a href=
"http://crl.nmsu.edu/~mleisher/ucdata.html">http://crl.nmsu.edu/~mleisher/ucdata.html</a>
s'occupe des propriétés des caractères, de la conversion de la
casse, de la décomposition, des classes combinées.</p>
</dd>
<dt><b>ICU</b></dt>
<dd>
<p>Ce sont les classes IBM pour Unicode. <a href=
"http://www.alphaworks.ibm.com/tech/icu/">http://www.alphaworks.ibm.com/tech/icu/</a>.
Une bibliothèque très détaillée comprenant des chaînes de
caractères Unicode, des paquets de ressources, des formateurs de
nombres, de date, d'heure et de messages, des assemblages, des
assembleurs de messages et plus encore. Beaucoup de locales sont
supportées. Cette bibliothèque est portable pour Unix et Win32,
mais compilera sans intervention ("out of the box") seulement avec
la libc6, pas la libc5.</p>
</dd>
<dt><b>libunicode</b></dt>
<dd>
<p>La librairie Unicode de GNOME <a href=
"http://cvs.gnome.org/lxr/source/libunicode/">http://cvs.gnome.org/lxr/source/libunicode/</a>
de Tom Tromey entre autres. Elle couvre la conversion du jeu de
caractères, les propriétés des caractères, la décomposition.</p>
</dd>
</dl>
<h3>Pour la conversion</h3>
<p>Deux bibliothèques de conversion qui supportent UTF-8 et un
grand nombre de de jeux de caractères 8-bits, sont
disponibles&nbsp;:</p>
<h3>L'implémentation iconv d'Ulrich Drepper, contenue dans la GNU
glibc-2.2.1</h3>
<p><a href=
"ftp://ftp.gnu.org/pub/gnu/glibc/glibc-2.1.1.tar.gz">ftp://ftp.gnu.org/pub/gnu/glibc/glibc-2.1.1.tar.gz</a>.</p>
<p>Avantages&nbsp;:</p>
<ul>
<li>iconv est conforme au standard POSIX, les programmes qui
l'utilisent pour la conversion depuis/vers UTF-8 tourneront aussi
sous Solaris. Cependant le nom des jeux de caractères diffère entre
les plateformes. Par exemple, "EUC-JP" sous glibc devient "eucJP"
sous HP-UX. (Le nom INIA officiel pour ce jeu de caractères est
"EUC-JP". Il s'agit donc clairement d'une déficience de
HP-UX.)</li>
<li>Aucune bibliothèque supplémentaire n'est nécessaire.</li>
</ul>
<h3>librecode par François Pinard</h3>
<p><a href=
"ftp://ftp.gnu.org/pub/gnu/recode/recode-3.5.tar.gz">ftp://ftp.gnu.org/pub/gnu/recode/recode-3.5.tar.gz</a>.</p>
<p>Avantages&nbsp;:</p>
<ul>
<li>Support pour la translittération, i.e conversion de caractères
non-ASCII en séquences de caractères ASCII de façon à préserver la
lisibilité pour les humains, même lorsqu'une transformation sans
pertes est impossible.</li>
</ul>
<p>Problèmes&nbsp;:</p>
<ul>
<li>Cette API est non standard.</li>
</ul>
<h3>Les autre approches</h3>
<dl>
<dt><b>libutf-8</b></dt>
<dd>
<p>libutf-8, de G.Adam.Stanislav <a href=
"mailto:adam@whizkidtech.net">&lt;adam@whizkidtech.net&gt;</a>
contient quelques fonctions pour la conversion depuis/vers des flux
"FILE*". <a href=
"http://www.whizkidtech.net/i18n/libutf-8-1.0.tar.gz">http://www.whizkidtech.net/i18n/libutf-8-1.0.tar.gz</a><br>

Avantages&nbsp;:</p>
<ul>
<li>Très petit.</li>
</ul>
<p>Problèmes&nbsp;:</p>
<ul>
<li>API non standard&nbsp;;</li>
<li>UTF-8 est compilé dans la bibliothèque, pas optionnel. Les
programmes compilés dans cet univers perdent le support des
encodages 8-bits qui sont toujours utilisés fréquemment en
Europe&nbsp;;</li>
<li>L'installation n'est pas évidente&nbsp;: le Makefile doit être
modifié. Pas d'auto-configuration.</li>
</ul>
</dd>
</dl>
<h2><a name="ss5.2">5.2 Java</a></h2>
<p>Java supporte Unicode en interne. Le type 'char' désigne un
caractère Unicode, et la classe 'java.lang.String' désigne une
chaîne de caractères construite à partir de caractères Unicode.</p>
<p>Java peut afficher n'importe quel caractère à travers son
système de fenêtrage AWT, à condition que</p>
<ol>
<li>vous positionniez la propriété système "user.language" de façon
appropriée.</li>
<li>Les définitions de jeux de fontes
/usr/lib/java/lib/font.properties.<i>language</i> soient
appropriées, et</li>
<li>Le fontes spécifiées dans ce fichier soient installées.</li>
</ol>
Par exemple, pour afficher du texte contenant des caractères
japonais, vous devriez installer des fontes japonaise, et lancer
"java -Duser.language=ja ...". Vous pouvez combiner les jeux de
fontes&nbsp;: pour pouvoir afficher des caractères d'Europe de
l'ouest, grecs et japonais simultanément, vous devriez créer une
combinaison des fichiers "font.properties" (couvre ISO-8859-1),
"font.properties.el" (couvre ISO-8859-7) et "font.properties.ja"
dans un seul fichier. ??Ceci n'a pas été testé??
<p>Les interfaces java.io.DataInput et java.io.DataOutput
contiennent des méthodes appelées 'readUTF', et 'writeUTF'
respectivement. Mais notez qu'elles n'utilisent pas UTF-8&nbsp;;
elles utilisent un encodage UTF-8 modifié&nbsp;: le caractère NUL
est encodé dans une séquence de deux octets 0xC0 et 0x80 à la place
de 0x00, et un octet 0x00 est ajouté à la fin. Encodées de cette
façon, les chaînes peuvent contenir des caractères NUL mais elles
doivent néanmoins être préfixées par un champ de taille. Les
fonctions C &lt;string.h&gt; comme strlen() et strcpy() peuvent
être utilisées pour les manipuler.</p>
<h2><a name="ss5.3">5.3 Lisp</a></h2>
<p>Le standard Lisp ordinaire détermine deux types de
caractères&nbsp;: 'base-char' et 'character'. C'est à l
'implémentation d'ajouter un support Unicode ou non. Ce langage
détermine aussi un mot-clef argument ':external-format' pour 'open'
comme place naturelle pour spécifier un jeu de caractères ou un
encodage.</p>
<p>Parmi les implémentation gratuites du lisp standard, seul CLISP
<a href="http://clisp.cons.org/">http://clisp.cons.org/</a>
supporte Unicode. Vous aurez besoin d'une version de CLISP datant
de juillet 99 ou plus récente. <a href=
"ftp://clisp.cons.org/pub/lisp/clisp/source/clispsrc.tar.gz">ftp://clisp.cons.org/pub/lisp/clisp/source/clispsrc.tar.gz</a>
Les types "base-char" et "character" sont tous équivalents au
16-bits Unicode. L'encodage utilisé pour le fichier ou l'I/O
socket/pipe peut être spécifié par l'argument ':external-format'.
Les encodages utilisés pour les opérations d'entrée/sortie sur des
ttys et l'encodage par défaut pour les I/O file/socket dépendent
des locales.</p>
<p>Parmi les implémentations commerciales du Lisp standard, seule
Eclipse <a href=
"http://www.elwood.com/eclipse/eclipse.htm">http://www.elwood.com/eclipse/eclipse.htm</a>
supporte Unicode. Voir <a href=
"http://www.elwood.com/eclipse/char.htm">http://www.elwood.com/eclipse/char.htm</a>
Le type 'base-char' est équivalent à ISO-8859-1, et le type
'character' contient tous les caractères Unicode. L'encodage
utilisé pour les entrées/sorties sur un fichier peut être défini à
travers une combinaison des arguments de 'open' ':element-type' et
:'external.format'.<br>
Limitations&nbsp;: les fonctions d'attributs de caractères sont
dépendantes des locales. Les sources et les fichiers de sources
compilés ne peuvent pas contenir des chaînes Unicode littérales.
L'implémentation commerciale du Lisp standard Allegro CL ne
contient pas encore de support Unicode, mais Erik Naggum y
travaille.</p>
<h2><a name="ss5.4">5.4 Ada95</a></h2>
<p>Ada95 a été conçu pour supporter Unicode, et la bibliothèque
standard Ada95 contient les types de données spéciaux ISO 10646-1
Wide_Character et Wide_String, ainsi que de nombreuses procédures
et fonctions associées. Le compilateur Ada95 GNU (gnat-3.11 ou
plus) supporte UTF-8 comme encodage externe des caractères 16 bits.
Cela vous autorise à utiliser UTF-8 à la fois dans le code source
et dans les entrées/sorties de l'application. Pour l'activer dans
l'application, utilisez "WCEM=8" dans la chaîne FORM quand vous
ouvrez un fichier, et utilisez l'option du compilateur "-gnatW8" si
le code source est UTF-8. Pour plus de détails, voyez les manuels
de référence GNAT et Ada95.</p>
</body>
</html>
doc-linux-fr-html 2013.01-3ubuntu1 / usr / share / doc / HOWTO / fr-html / Unicode-HOWTO.html
