NAZWA

dos2unix - konwerter formatu plików tekstowych między systemami DOS/Mac a Uniksem

SKŁADNIA

dos2unix [opcje] [PLIK ...] [-n PLIK_WEJ PLIK_WYJ ...]
unix2dos [opcje] [PLIK ...] [-n PLIK_WEJ PLIK_WYJ ...]

OPIS

Pakiet Dos2unix zawiera narzędzia dos2unix oraz unix2dos do konwersji zwykłych plików tekstowych między formatami używanymi w systemach DOS lub Mac a formatem uniksowym.

W plikach tekstowych systemu DOS/Windows oznaczenie końca linii to połączenie dwóch znaków: powrotu karetki (CR) i przesunięcia linii (LF). W uniksowych plikach tekstowych koniec linii to pojedynczy znak LF. W plikach tekstowych systemu Mac sprzed Mac OS X koniec linii był pojedynczym znakiem CR. Obecnie Mac OS wykorzystuje uniksowe końce linii (LF).

Oprócz oznaczeń końców linii Dos2unix potrafi konwertować także kodowanie plików. Kilko stron kodowych DOS-a może być przekonwertowanych do uniksowego Latin-1, a windowsowy Unicode (UTF-16) do powszechniejszego pod Uniksem kodowania Unicode UTF-8.

Pliki binarne są pomijane automatycznie, chyba że konwersja zostanie wymuszona.

Pliki inne niż zwykłe, np. katalogi lub FIFO, są pomijane automatycznie.

Dowiązania symboliczne i ich cele są domyślnie pozostawiane bez zmian. Dowiązania symboliczne mogą być opcjonalnie zastępowane, albo wyjście może być zapisywane do celu dowiązania. Zapis do celu dowiązania symbolicznego nie jest obsługiwane pod Windows.

Dos2unix powstał na podstawie narzędzia dos2unix z systemu SunOS/Solaris. Jest jedna istotna różnica w stosunku do oryginalnej wersji z SunOS-a/Solarisa: ta wersja domyślnie wykonuje konwersję w miejscu (tryb starego pliku), podczas gdy oryginalna obsługiwała tylko konwersję parami (tryb nowego pliku) - p. także opcje -o i -n. Ponadto wersja z SunOS-a/Solarisa domyślnie wykonuje konwersję w trybie iso, podczas gdy ta wersja domyślnie wykonuje konwersję w trybie ascii.

OPCJE

--

Potraktowanie wszystkich kolejnych opcji jako nazw plików. Tej opcji należy użyć, aby przekonwertować pliki, których nazwy zaczynają się od minusa. Przykładowo, aby przekonwertować plik o nazwie "-foo", można użyć polecenia:

dos2unix -- -foo

Lub w trybie nowego pliku:

dos2unix -n -- -foo wynik.txt
--allow-chown

Zezwolenie na zmianę właściciela w trybie starego pliku.

W przypadku użycia tej opcji, konwersja nie zostanie przerwana, jeśli nie ma możliwości zachowania właściciela i/lub grupy oryginalnego pliku w trybie starego pliku. Konwersja będzie kontynuowana, a przekonwertowany plik będzie miał tego samego właściciela, jakiego by miał w trybie nowego pliku. P. także opcje -o i -n. Opcja jest dostępna tylko wtedy, gdy dos2unix ma obsługę zachowywania użytkownika i grupy plików.

-ascii

Domyślny tryb konwersji. Więcej w sekcji TRYBY KONWERSJI.

-iso

Konwersja między zestawami znaków DOS i ISO-8859-1. Więcej w sekcji TRYBY KONWERSJI.

-1252

Użycie strony kodowej Windows 1252 (zachodnioeuropejskiej).

-437

Użycie strony kodowej DOS 437 (US). Jest to domyślna strona kodowa używana przy konwersji ISO.

-850

Użycie strony kodowej DOS 850 (zachodnioeuropejskiej).

-860

Użycie strony kodowej DOS 860 (portugalskiej).

-863

Użycie strony kodowej DOS 863 (kanadyjskiej francuskiej).

-865

Użycie strony kodowej DOS 865 (nordyckiej).

-7

Konwersja znaków 8-bitowych do przestrzeni 7-bitowej.

-b, --keep-bom

Zachowanie znaku BOM (Byte Order Makr). Jeżeli plik wejściowy zawiera BOM, powoduje zapisanie go w pliku wyjściowym. Jest to domyślne zachowanie przy konwersji na DOS-owe końce linii. P. także opcja -r.

-c, --convmode TRYB_KONW

Ustawienie trybu konwersji. TRYB_KONW to jeden z: ascii, 7bit, iso, mac, przy czym domyślny jest ascii.

-D, --display-enc KODOWANIE

Ustawienie kodowania wyświetlanego tekstu. KODOWANIE to jedno z: ansi, unicode, unicodebom, utf8, utf8bom, przy czym domyślne to ansi.

Ta opcja jest dostępna wyłączenie w programie dos2unix dla Windows z obsługą nazw plików Unicode. Nie ma wpływu na same nawy odczytywanych i zapisywanych plików, a jedynie na sposób ich wyświetlania.

Istnieje kilka sposobów wyświetlania tekstu w konsoli Windows w zależności od kodowania tekstu. Wszystkie mają swoje zalety i wady.

ansi

Domyślna metoda programu dos2unix to stosowanie tekstu kodowanego w ANSI. Zaletą jest wsteczna zgodność. Działa z fontami rastrowymi, jak i TrueType. W niektórych rejonach może być potrzeba zmiany aktywnej strony kodowej DOS OEM na systemową stronę kodową Windows ANSI przy użyciu polecenia chcp, ponieważ dos2unix wykorzystuje systemową stronę kodową Windows.

Wadą kodowania ansi jest fakt, że międzynarodowe nazwy plików ze znakami spoza domyślnej systemowej strony kodowej nie są wyświetlane właściwie. Można zamiast tego zobaczyć znak zapytania albo niewłaściwy symbol. Jeżeli nie pracujemy z obcymi nazwami plików, ta metoda jest poprawna.

unicode, unicodebom

Zaletą kodowania unicode (windowsową nazwą dla UTF-16) jest (zwykle) właściwe wyświetlanie tekstu. Nie ma potrzeby zmiany aktywnej strony kodowej. Może być potrzeba zmiany fontu konsoli na font TrueType, aby znaki międzynarodowe były wyświetlane poprawnie. Jeśli znak nie jest obecny w foncie TrueType, zwykle widać mały kwadrat, czasami ze znakiem zapytania w środku.

W przypadku używania konsoli ConEmu cały tekst jest wyświetlany poprawnie, ponieważ ConEmu automatycznie wybiera dobry font.

Wadą kodowania unicode jest niezgodność z ASCII. Wyjście nie jest łatwe do obsłużenia w przypadku przekierowania do innego programu lub pliku.

W przypadku użycia metody unicodebom, tekst w unikodzie jest poprzedzony znakiem BOM (Byte Order Mark). BOM jest wymagany do poprawnego przekierowania lub przekazywania przez potok w powłoce PowerShell.

utf8, utf8bom

Zaletą kodowania utf8 jest zgodność z ASCII. Trzeba ustawić font konsoli na font TrueType. Przy użyciu fontu TrueType tekst jest wyświetlany podobnie do kodowania unicode.

Wadą jest fakt, że w przypadku używania domyślnego fontu rastrowego, wszystkie znaki spoza ASCII są wyświetlane niepoprawnie. Nie tylko unikodowe nazwy plików, ale także przetłumaczone komunikaty stają się nieczytelne. W Windows skonfigurowanym dla rejonu Azji Wschodniej widać dużo migotania konsoli w trakcie wyświetlania komunikatów.

W konsoli ConEmu metoda kodowania utf8 działa dobrze.

W przypadku użycia metody utf8bom, tekst w UTF-8 jest poprzedzony znakiem BOM (Byte Order Mark). BOM jest wymagany do poprawnego przekierowania lub przekazywania przez potok w powłoce PowerShell.

Domyślne kodowanie można zmienić przy użyciu zmiennej środowiskowej DOS2UNIX_DISPLAY_ENC, ustawiając ją na unicode, unicodebom, utf8 lub utf8bom.

-e, --add-eol

Dodawanie znaku końca linii do ostatniej linii, jeśli ta go nie zawiera. Działa przy każdej konwersji.

Pliki przekształcone z formatu DOS do Uniksa mogą nie mieć w ostatnim wierszu znaku końca linii. Istnieją edytory tekstu zapisujące pliki tekstowe bez znaku końca wiersza w ostatniej linii. Niektóre programy uniksowe mają problemy przy przetwarzaniu takich plików, ponieważ standard POSIX określa, że każdy wiersz pliku tekstowego musi kończyć się znakiem końca linii. Na przykład łączenie plików może nie dać oczekiwanego wyniku.

-f, --force

Wymuszenie konwersji plików binarnych.

-gb, --gb18030

Pod Windows pliki w UTF-16 są domyślnie konwertowane do UTF-8, niezależnie od ustawienia lokalizacji. Ta opcja pozwala przekonwertować pliki w UTF-16 do GB18030. Opcja jest dostępna tylko pod Windows, więcej w sekcji dotyczącej GB18030.

-h, --help

Wyświetlenie opisu i zakończenie.

-i[FLAGI], --info[=FLAGI] PLIK ...

Wyświetlenie informacji o pliku. Konwersja nie jest wykonywana.

Wypisywane są następujące informacje, w tej kolejności: liczba DOS-owych końców linii, liczba uniksowych końców linii, liczba macowych końców linii, znacznik BOM, tekstowy lub binarny, nazwa pliku.

Przykładowe wyjście:

 6       0       0  no_bom    text    dos.txt
 0       6       0  no_bom    text    unix.txt
 0       0       6  no_bom    text    mac.txt
 6       6       6  no_bom    text    mixed.txt
50       0       0  UTF-16LE  text    utf16le.txt
 0      50       0  no_bom    text    utf8unix.txt
50       0       0  UTF-8     text    utf8dos.txt
 2     418     219  no_bom    binary  dos2unix.exe

Uwaga: czasami plik binarny może być błędnie rozpoznany jako tekstowy. P. także opcja -s.

Jeśli dodatkowo użyta jest opcja -e lub --add-eol, wypisywany jest także rodzaj końca linii z ostatniej linii, lub noeol, jeśli nie ma żadnego.

Przykładowe wyjście:

     6       0       0  no_bom    text   dos     dos.txt
     0       6       0  no_bom    text   unix    unix.txt
     0       0       6  no_bom    text   mac     mac.txt
     1       0       0  no_bom    text   noeol   noeol_dos.txt
Opcjonalnie można ustawić dodatkowe flagi, aby zmienić wyjście. Można dodać jedną lub więcej flag.
0

Wypisanie wierszy informacji o pliku zakończonych znakiem NUL zamiast znaku nowej linii. Pozwala to na poprawną interpretację nazw plików zawierających spacje lub cudzysłowy w przypadku użycia flagi c. Flagi należy używać w połączeniu z opcją -0 lub --null programu xargs(1).

d

Wypisanie liczby DOS-owych końców linii.

u

Wypisanie liczby uniksowych końców linii.

m

Wypisanie liczby macowych końców linii.

b

Wypisanie znacznika BOM.

t

Wypisanie, czy plik jest tekstowy, czy binarny.

e

Wypisanie rodzaju końca wiersza w ostatnim wierszu, lub noeol, jeśli nie ma żadnego.

c

Wypisanie tylko plików, które zostałyby przekonwertowane.

Z flagą c dos2unix wypisze tylko pliki zawierające DOS-owe końce linii, a unix2dos wypisze tylko nazwy plików zawierających uniksowe końce linii.

Jeśli dodatkowo użyta jest opcja -e lub --add-eol, wypisywane są także pliki bez zakończenia ostatniej linii.

h

Wypisanie nagłówka.

p

Wyświetlanie nazw plików bez ścieżki.

Przykłady:

Pokazanie informacji o wszystkich plikach *.txt:

dos2unix -i *.txt

Pokazanie tylko liczby DOS-owych i uniksowych końców linii:

dos2unix -idu *.txt

Pokazanie tylko znacznika BOM:

dos2unix --info=b *.txt

Wypisanie listy plików zawierających DOS-owe końce linii:

dos2unix -ic *.txt

Wypisanie listy plików zawierających uniksowe końce linii:

unix2dos -ic *.txt

Wypisanie listy plików zawierających DOS-owe końce linii lub bez znaku końca w ostatniej linii:

dos2unix -e -ic *.txt

Konwersja tylko plików mających DOS-owe końce linii, pozostawienie pozostałych bez zmian:

dos2unix -ic0 *.txt | xargs -0 dos2unix

Wyszukanie plików tekstowych zawierających DOS-owe końce linii:

find -name '*.txt' -print0 | xargs -0 dos2unix -ic
-k, --keepdate

Zachowanie znacznika czasu pliku wyjściowego takiego samego, jak pliku wejściowego.

-L, --license

Wyświetlenie licencji programu.

-l, --newline

Dodanie dodatkowego znaku końca linii.

dos2unix: tylko DOS-owe znaki końca linii są zamieniane na dwa uniksowe. W trybie Mac tylko macowe znaki końca linii są zamieniane na dwa uniksowe.

unix2dos: tylko uniksowe znaki końca linii są zamieniane na dwa DOS-owe. W trybie Mac uniksowe znaki końca linii są zamieniane na dwa macowe.

-m, --add-bom

Zapisanie znacznika BOM (Byte Order Mark) w pliku wyjściowym. Domyślnie zapisywany jest BOM UTF-8.

Jeśli plik wejściowy jest w kodowaniu UTF-16 i użyto opcji -u, zostanie zapisany BOM UTF-16.

Nigdy nie należy używać tej opcji, jeśli kodowanie wyjściowe jest inne niż UTF-8, UTF-16 lub GB18030. Więcej w sekcji UNICODE.

-n, --newfile PLIK_WEJ PLIK_WYJ ...

Tryb nowego pliku. Konwersja PLIKU_WEJ z zapisem wyjścia do PLIKU_WYJ. Nazwy plików muszą być podane parami, a masek nie należy używać, gdyż spowoduje to utratę plików.

Osoba uruchamiająca konwersję w trybie nowego pliku (par) będzie właścicielem przekonwertowanego pliku. Prawa odczytu/zapisu nowego pliku będą pochodziły z praw pliku oryginalnego po odjęciu umask(1) osoby uruchamiającej konwersję.

--no-allow-chown

Bez zezwolenia na zmianę właściciela pliku w trybie starego pliku (domyślne).

Przerwanie konwersji, jeżeli użytkownik lub grupa oryginalnego pliku nie może być zachowana w trybie starego pliku. P. także opcje -o oraz -n. Ta opcja jest dostępna tylko jeśli dos2unix ma obsługę zachowywania użytkownika i grupy plików.

--no-add-eol

Bez dodawania znaku końca linii do ostatniego wiersza, jeśli ten go nie zawiera.

-O, --to-stdout

Zapis na standardowe wyjście, jak filtr uniksowy. Opcja -o przywróci tryb starego pliku (zamianę z miejscu).

W połączeniu z opcją -e pliki mogą być właściwie łączone - bez połączonych ostatnich i pierwszych linii oraz znaków unikodowych BOM w środku połączonego pliku. Przykład:

dos2unix -e -O plik1.txt plik2.txt > wynik.txt
-o, --oldfile PLIK ...

Tryb starego pliku. Konwersja PLIKU i nadpisanie go wyjściem. Program działa domyślnie w tym trybie. Można używać masek.

W trybie starego pliku (w miejscu) przekonwertowany plik otrzymuje tego samego właściciela, grupę oraz prawa odczytu/zapisu, jak plik oryginalny - także wtedy, gdy plik jest konwertowany przez innego użytkownika, mającego prawo zapisu do pliku (np. przez użytkownika root). Konwersja zostanie przerwana, jeśli nie będzie możliwe zachowanie oryginalnych wartości. Zmiana właściciela mogłaby oznaczać, że pierwotny właściciel nie może już odczytać pliku. Zmiana grupy mogłaby być zagrożeniem bezpieczeństwa, plik mógłby być czytelny dla nie zamierzonych osób. Zachowanie właściciela, grupy i praw odczytu/zapisu jest obsługiwane tylko na Uniksie.

Aby sprawdzić, czy doswunix ma obsługę zachowywania użytkownika i grupy plików, można napisać dos2unix -V.

Konwersja jest wykonywana zawsze przy użyciu pliku tymczasowego. Jeśli w trakcie konwersji wystąpi błąd, plik tymczasowy jest usuwany, a plik oryginalny pozostaje nietknięty. Jeśli konwersja się powiedzie, plik oryginalny jest zastępowany plikiem tymczasowym. Można mieć prawa zapisu do pliku oryginalnego, ale brak uprawnień, aby nadać tego samego właściciela i/lub grupę, co plik oryginalny, plikowi tymczasowemu. Oznacza to, że nie można zachować użytkownika i/lub grupy oryginalnego pliku. W takim przypadku można użyć opcji --allow-chown, aby kontynuować konwersję:

dos2unix --allow-chown foo.txt

Inny sposób to użycie trybu nowego pliku:

dos2unix -n foo.txt foo.txt

Zaletą opcji --allow-chown jest możliwość użycia masek oraz zachowanie właściciela w miarę możliwości.

-q, --quiet

Tryb cichy. Pominięcie wszystkich ostrzeżeń i komunikatów. Zwracanym kodem jest zero, chyba że podano błędne opcje linii poleceń.

-r, --remove-bom

Usunięcie znaków BOM (Byte Order Mark). Bez zapisywania BOM do pliku wyjściowego. Jest to domyślne zachowanie przy konwersji na uniksowe końce linii. P. także opcja -b.

-s, --safe

Pominięcie plików binarnych (domyślne).

Pomijanie plików binarnych ma na celu zapobieżenie przypadkowym błędom. Uwaga: wykrywanie plików binarnych nie jest w 100% odporne na błędy. Pliki wejściowe są przeszukiwane pod kątem symboli binarnych, które zwykle nie występują w plikach tekstowych. Może się zdarzyć, że plik binarny zawiera tylko zwykłe znaki tekstowe. Taki plik binarny będzie błędnie widziany jako plik tekstowy.

-u, --keep-utf16

Zachowanie oryginalnego kodowania pliku wejściowego UTF-16. Plik wyjściowy zostanie zapisany w tym samym kodowaniu UTF-16 (little lub big endian), co plik wejściowy. Zapobiega to przekształceniu do UTF-8. Do pliku zostanie zapisany odpowiedni znacznik BOM UTF-16. Tę opcję można wyłączyć opcją -ascii.

-ul, --assume-utf16le

Przyjęcie, że format pliku wejściowego to UTF-16LE.

Jeśli w pliku wejściowym jest znacznik BOM (Byte Order Mark), ma on priorytet nad tą opcją.

Jeśli przyjęto błędne założenie (plik wejściowy nie jest w formacie UTF-16LE), a konwersja się uda, wynikiem będzie plik wyjściowy UTF-8 ze złym tekstem. Konwersję tę można odwrócić przy użyciu polecenia iconv(1) do konwersji wyjścia UTF-8 z powrotem do UTF-16LE. Przywróci to plik oryginalny.

Przyjęcie UTF-16LE działa jako tryb konwersji. Przy przełączeniu na domyślny tryb ascii przyjęcie UTF-16LE jest wyłączane.

-ub, --assume-utf16be

Przyjęcie, że format pliku wejściowego to UTF-16BE.

Ta opcja działa analogicznie do -ul.

-v, --verbose

Wyświetlanie szczegółowych komunikatów. Wyświetlane śa dodatkowe informacje o znacznikach BOM (Byte Order Mark) oraz liczbie przekonwertowanych końców linii.

Podążanie za dowiązaniami symbolicznymi i konwertowanie ich celów

Zastępowanie dowiązań symbolicznych przekonwertowanymi plikami (oryginalne pliki docelowe pozostają bez zmian).

Pozostawienie dowiązań symbolicznych i celów bez zmian (domyślne).

-V, --version

Wyświetlenie informacji o wersji i zakończenie.

TRYB MAC

Domyślnie znaki końca linii są konwertowane z DOS-a do Uniksa i odwrotnie. Znaki końca linii systemu Mac nie są konwertowane.

W trybie Mac znaki końca linii są konwertowane z formatu Maca do Uniksa i odwrotnie. Znaki końca linii systemu DOS nie są zmieniane.

Aby uruchomić program w trybie Mac, należy użyć opcji linii poleceń -c mac albo użyć poleceń mac2unix lub unix2mac.

TRYBY KONWERSJI

ascii

To jest domyślny tryb konwersji. Służy do konwersji plików kodowanych ASCII lub zgodnie z ASCII, np. UTF-8. Włączenie trybu ascii wyłącza tryby 7bit i iso.

Jeśli dos2unix ma obsługę UTF-16, pliki kodowane UTF-16 są konwertowane do bieżącego kodowania w systamach zgodnych z POSIX lub do UTF-8 na Windows. Włączenie trybu ascii wyłącza opcję zachowywania kodowania UTF-16 (-u) oraz opcje zakładające wejście UTF-16 (-ul oraz -ub). Aby sprawdzić, czy dos2unix ma obsługę UTF-16, można wywołać dos2unix -V. Więcej w sekcji UNICODE.

7bit

W tym trybie wszystkie znaki 8-bitowe spoza ASCII (o wartościach od 128 do 255) są konwertowane do przestrzeni 7-bitowej.

iso

W tym trybie znaki są konwertowane między zestawem znaków DOS (stroną kodową) a zestawem znaków ISO-8859-1 (Latin-1) używanym na Uniksie. Znaki DOS-owe nie mające odpowiednika w ISO-8859-1, których nie da się przekonwertować, są zamieniane na kropkę. To samo dotyczy znaków ISO-8859-1 bez odpowiednika w DOS-ie.

Jeśli używana jest tylko opcja -iso, dos2unix próbuje wykryć aktywną stronę kodową. Jeśli nie jest to możliwe, dos2unix używa domyślnej strony kodowej CP437, stosowanej głównie w USA. Aby wymusić określoną stronę kodową, należy użyć opcji -437 (US), -850 (zachodnioeuropejska), -860 (portugalska), -863 (kanadyjska francuska) lub -865 (nordycka). Ponadto obsługiwana jest strona kodowa Windows CP1252 (zachodnioeuropejska) przy użyciu opcji -1252. W przypadku innych stron kodowych można użyć narzędzia dos2unix wraz z iconv(1). Iconv potrafi konwertować między wieloma kodowaniami znaków.

Nigdy nie należy używać konwersji ISO na plikach tekstowych w Unicode. Uszkodziłaby pliki kodowane UTF-8.

Kilka przykładów:

Konwersja z domyślnej strony kodowej DOS do uniksowego Latin-1:

dos2unix -iso -n wejście.txt wynik.txt

Konwersja ze strony kodowej DOS CP850 do uniksowego Latin-1:

dos2unix -850 -n wejście.txt wynik.txt

Konwersja ze strony kodowej Windows CP1252 do uniksowego Latin-1:

dos2unix -1252 -n wejście.txt wynik.txt

Konwersja ze strony kodowej Windows CP1252 do uniksowego UTF-8 (Unicode):

iconv -f CP1252 -t UTF-8 wejście.txt | dos2unix > wynik.txt

Konwersa z uniksowego Latin-1 do domyślnej strony kodowej DOS:

unix2dos -iso -n wejście.txt wynik.txt

Konwersja z uniksowego Latin-1 do strony kodowej DOS CP850:

unix2dos -850 -n wejście.txt wynik.txt

Konwersja z uniksowego Latin-1 do strony kodowej Windows CP1252:

unix2dos -1252 -n wejście.txt wynik.txt

Konwersja z uniksowego UTF-8 (Unicode) do strony kodowej Windows CP1252:

unix2dos < wejście.txt | iconv -f UTF-8 -t CP1252 > wynik.txt

Więcej pod adresem http://czyborra.com/charsets/codepages.html oraz http://czyborra.com/charsets/iso8859.html.

UNICODE

Kodowania

Istnieją różne kodowania Unicode. Pod Uniksem i Linuksem pliki Unicode są zwykle kodowane z użyciem UTF-8. Pod Windows pliki tekstowe Unicode mogą być kodowane w UTF-8, UTF-16, UTF-16 big-endian, ale przeważnie są kodowane w UTF-16.

Konwersje

Pliki tekstowe Unicode mogą mieć znaki końca linii systemu DOS, Unix lub Mac, podobnie jak pliki tekstowe ASCII.

Wszystkie wersje dos2unix i unix2dos potrafią konwertować pliki kodowane UTF-8, ponieważ UTF-8 jest wstecznie zgodne z ASCII.

Dos2unix i unix2dos z obsługą Unicode UTF-16 potrafią odczytywać pliki tekstowe kodowane UTF-16 little- oraz big-endian. Aby sprawdzić, czy dos2unix został zbudowany z obsługą UTF-16, należy napisać dos2unix -V.

Pod Uniksem/Linuksem pliki w kodowaniu UTF-16 są konwertowane do kodowania znaków ustawionej lokalizacji. Kodowanie znaków dla lokalizacji można sprawdzić poleceniem locale(1). Jeśli konwersja nie jest możliwa, wystąpi błąd, a plik zostanie pominięty.

Pod Windows pliki UTF-16 są domyślnie konwertowane do UTF-8. Pliki tekstkowe w kodowaniu UTF-8 są dobrze obsługiwane zarówno pod Windows, jak i Uniksem/Linuksem.

Kodowania UTF-16 i UTF-8 są w pełni zgodne, konwersja nie spowoduje utraty żadnej części tekstu. W przypadku wystąpienia błędu konwersji, na przykład w przypadku błędu w pliku wejściowym UTF-16, plik zostanie pominięty.

W przypadku użycia opcji -u, plik wejściowy zostanie zapisany w tym samym kodowaniu UTF-16, co plik wejściowy. Opcja -u zapobiega konwersji do UTF-8.

Dos2unix oraz unix2dos nie mają opcji pozwalającej na konwersję plików UTF-8 do UTF-16.

Tryby konwersji ISO i 7-bit nie działają na plikach UTF-16.

Znacznik BOM

W systemie Windows pliki tekstowe zwykle zawierają znacznik BOM (Byte Order Mark), ponieważ wiele programów dla Windows (w tym Notepad) dodaje domyślnie znaczniki BOM. Więcej informacji można znaleźć pod adresem https://pl.wikipedia.org/wiki/BOM_(informatyka).

Pod Uniksem pliki Unicode zwykle nie mają znacznika BOM. Pliki tekstowe są traktowane jako kodowane zgodnie z kodowaniem znaków ustawionej lokalizacji.

Dos2unix potrafi wykryć tylko, czy plik jest w formacie UTF-16, jeśli zawiera znacznik BOM. Jeśli plik UTF-16 nie ma tego znacznika, dos2unix potraktuje plik jako binarny.

Do konwersji pliku UTF-16 bez znacznika BOM można użyć opcji -ul lub -ub.

Dos2unix nie zapisuje domyślnie znaku BOM w pliku wyjściowym. Z opcją -b Dos2unix zapisuje BOM, jeśli plik wejściowy zawiera BOM.

Unix2dos domyślnie zapisuje znaczniki BOM w pliku wyjściowym, jeśli plik wejściowy ma BOM. Aby usunąć BOM, można użyć opcji -r.

Dos2unix oraz unix2dos zawsze zapisują znaczniki BOM, jeśli użyta zostanie opcja -m.

Unikodowe nazwy plików w Windows

Dos2unix ma opcjonalną obsługę odczytu i zapisu nazw plików Unicode w linii poleceń Windows. Oznacza to, że dos2unix potrafi otwierać pliki zawierające w nazwie znaki spoza domyślnej systemowej strony kodowej ANSI. Aby sprawdzić, czy dos2unix dla Windows został zbudowany z obsługą nazw plików Unicode, można wpisać dos2unix -V.

Przy wyświetlaniu nazw plików Unicode w konsoli Windows występuje kilka problemów. Więcej informacji w opisie opcji -D, --display-enc. Nazwy plików mogą być wyświetlane błędnie na konsoli, ale pliki będą zapisywane z poprawną nazwą.

Przykłady Unicode

Konwersja pliku UTF-16 (z BOM) z formatu Windows do uniksowego UTF-8:

dos2unix -n wejście.txt wynik.txt

Konwersja pliku UTF-16LE (bez BOM) z formatu Windows do uniksowego UTF-8:

dos2unix -ul -n wejście.txt wynik.txt

Konwersja z uniksowego UTF-8 do UTF-8 z BOM dla Windows:

unix2dos -m -n wejście.txt wynik.txt

Konwersja z uniksowego UTF-8 do UTF-16 dla Windows:

unix2dos < wejście.txt | iconv -f UTF-8 -t UTF-16 > wynik.txt

GB18030

GB18030 to standard urzędowy w Chinach. Obowiązkowy podzbiór standardu GB18030 jest oficjalnym wymaganiem każdego oprogramowania sprzedawanego w Chinach. Więcej pod adresem https://en.wikipedia.org/wiki/GB_18030.

GB18030 jest w pełni zgodny z Unicode i może być uważany za format transformacji unikodu. Podobnie jak UTF-8, GB18030 jest zgodny z ASCII. Jest także zgodny ze stroną kodową Windows 936, znaną też jako GBK.

Pod Uniksem/Linuksem pliki UTF-16 są konwertowane do GB18030, jeśli kodowanie dla lokalizacji jest ustawione na GB18030. Uwaga: będzie to działać tylko, jeśli lokalizacja jest obsługiwana przez system. Listę obsługiwanych lokalizacji można sprawdzić poleceniem locale -a.

Pod Windows w celu konwersji plików UTF-16 do GB18030 należy użyć opcji -gb.

Pliki w kodowaniu GB18030 mogą mieć znacznik BOM, podobnie jak pliki w Unicode.

PRZYKŁADY

Odczyt ze standardowego wejścia i zapis na standardowe wyjście:

dos2unix < a.txt
cat a.txt | dos2unix

Konwersja i zastąpienie a.txt; konwersja i zastąpienie b.txt:

dos2unix a.txt b.txt
dos2unix -o a.txt b.txt

Konwersja i zastąpienie a.txt w trybie ascii:

dos2unix a.txt

Konwersja i zastąpienie a.txt w trybie ascii; konwersja i zastąpienie b.txt w trybie 7-bitowym:

dos2unix a.txt -c 7bit b.txt
dos2unix -c ascii a.txt -c 7bit b.txt
dos2unix -ascii a.txt -7 b.txt

Konwersja a.txt z formatu Mac do formatu uniksowego:

dos2unix -c mac a.txt
mac2unix a.txt

Konwersja a.txt z formatu uniksowego do formatu Mac:

unix2dos -c mac a.txt
unix2mac a.txt

Konwersja i zastąpienie a.txt z zachowaniem oryginalnego znacznika czasu:

dos2unix -k a.txt
dos2unix -k -o a.txt

Konwersja a.txt i zapis do e.txt:

dos2unix -n a.txt e.txt

Konwersja a.txt i zapis do e.txt z zachowaniem znacznika czasu e.txt takiego, jak a.txt:

dos2unix -k -n a.txt e.txt

Konwersja i zastąpienie a.txt; konwersja b.txt i zapis do e.txt:

dos2unix a.txt -n b.txt e.txt
dos2unix -o a.txt -n b.txt e.txt

Konwersja c.txt i zapis do e.txt; konwersja i zastąpienie a.txt; konwersja i zastąpienie b.txt; konwersja d.txt i zapis do f.txt:

dos2unix -n c.txt e.txt -o a.txt b.txt -n d.txt f.txt

KONWERSJA REKURENCYJNA

W powłoce uniksowej można użyć poleceń find(1) i xargs(1) do rekurencyjnego uruchomienia dos2unix na wszystkich plikach tekstowych w strukturze drzewa katalogów. Na przykład, aby przekonwertować wszystkie pliki .txt w drzewie katalogów poniżej katalogu bieżącego, należy napisać:

find . -name '*.txt' -print0 |xargs -0 dos2unix

Opcja -print0 polecenia find(1) i odpowiadająca jej opcja -0 polecenia xargs(1) są potrzebne, jeśli istnieją pliki ze spacjami lub cudzysłowami w nazwie. W przeciwnym wypadku opcje te można pominąć. Inny sposób to użycie find(1) z opcją -exec:

find . -name '*.txt' -exec dos2unix {} \;

Z poziomu linii poleceń Windows można użyć następującego polecenia:

for /R %G in (*.txt) do dos2unix "%G"

Użytkownicy powłoki PowerShell mogą użyć następującego polecenia w Windows PowerShell:

get-childitem -path . -filter '*.txt' -recurse | foreach-object {dos2unix $_.Fullname}

LOKALIZACJA

LANG

Główny język wybiera się zmienną środowiskową LANG. Zmienna LANG składa się z kilku części. Pierwsza część to małe litery oznaczające kod języka. Druga część jest opcjonalna i zawiera kod kraju pisany wielkimi literami, poprzedzony podkreśleniem. Jest także opcjonalna trzecia część: kodowanie znaków, poprzedzone kropką. Kilka przykładów dla powłok zgodnych ze standardem POSIX:

export LANG=nl               holenderski
export LANG=nl_NL            holenderski, Holandia
export LANG=nl_BE            holenderski, Belgia
export LANG=es_ES            hiszpański, Hiszpania
export LANG=es_MX            hiszpański, Meksyk
export LANG=en_US.iso88591   angielski, USA, kodowanie Latin-1
export LANG=en_GB.UTF-8      angielski, Wlk. Brytania, kodowanie UTF-8

Pełną listę kodów języków i krajów można znaleźć w podręczniku do gettexta: https://www.gnu.org/software/gettext/manual/html_node/Usual-Language-Codes.html

W systemach uniksowych do uzyskania informacji dotyczących lokalizacji można użyć polecenia locale(1).

LANGUAGE

Przy użyciu zmiennej środowiskowej LANGUAGE można określić listę języków wg priorytetu, oddzielonych dwukropkami. Dos2unix przyjmuje pierwszeństwo zmiennej LANGUAGE nad LANG. Na przykład, najpierw holenderski, następnie niemiecki: LANGUAGE=nl:de. Aby skorzystać z listy wg priorytetów ze zmiennej LANGUAGE, trzeba najpierw włączyć lokalizację przez ustawienie zmiennej LANG (lub LC_ALL) na wartość inną niż "C". Więcej informacji znajduje się w podręczniku do gettexta: https://www.gnu.org/software/gettext/manual/html_node/The-LANGUAGE-variable.html

W przypadku wybrania niedostępnego języka, otrzymamy standardowe, angielskie komunikaty.

DOS2UNIX_LOCALEDIR

Przy użyciu zmiennej środowiskowej DOS2UNIX_LOCALEDIR, można nadpisać ustawienie LOCALEDIR z czasu kompilacji. LOCALEDIR to katalog używany do znalezienia plików lokalizacji. Domyślną wartością dla GNU jest /usr/local/share/locale. Opcja --version wyświetla używaną wartość LOCALEDIR.

Przykład (dla powłoki POSIX):

export DOS2UNIX_LOCALEDIR=$HOME/share/locale

WARTOŚĆ ZWRACANA

W przypadku powodzenia zwracane jest zero. Jeśli wystąpi błąd systemowy, zwracany jest ostatni błąd systemowy. W przypadku innych błędów zwracane jest 1.

Wartość zwracana w trybie cichym to zawsze zero, z wyjątkiem sytuacji podania błędnych opcji linii poleceń.

STANDARDY

https://pl.wikipedia.org/wiki/Plik_tekstowy

https://en.wikipedia.org/wiki/Carriage_return

https://pl.wikipedia.org/wiki/Koniec_linii

https://pl.wikipedia.org/wiki/Unicode

AUTORZY

Benjamin Lin <blin@socs.uts.edu.au>; Bernd Johannes Wuebben (tryb mac2unix) <wuebben@kde.org>; Christian Wurll (dodawanie dodatkowej nowej linii) <wurll@ira.uka.de>; Erwin Waterlander <waterlan@xs4all.nl> (prowadzący)

Strona projektu: https://waterlan.home.xs4all.nl/dos2unix.html

Strona SourceForge: https://sourceforge.net/projects/dos2unix/

ZOBACZ TAKŻE

file(1) find(1) iconv(1) locale(1) xargs(1)