Hallo,

meine Frage hat nur indirekt etwas mit InDesign zu tun, aber die anderen Boards passen auch nicht richtig, daher hier der Versuch.

Ich bekomme internationale Texte als einfache Textdateien geliefert, also kein Word o.ä. Diese Texte enthalten internationale Sonderzeichen. Beim Textimport in InDesign kann ich bei den Importoptionen die Codierung wählen - in ID heißt das "Zeichensatz". Und per try-and-error finde ich auch die entsprechende, so dass der Text in ID korrekt mit allen Sonderzeichen dargestellt wird. Aber gibt es eine Möglichkeit, die Textcodierung schon vor dem Import festzustellen, damit man dann in ID zielgerichtet die Auswahl treffen kann?

Ich stelle mir ein Programm vor, das ähnlich wie bei Musik- oder Videodateien den Codec ausliest und anzeigen kann. Bei den Texten eben die verwendete Cordierung. Mit Codierung meine ich den verwendeten Zeichensatz, also ob UTF8 oder UTF-16 und ob Mac oder Win.

Gruß

Hallo rohrfrei,

Zitat

Ich stelle mir ein Programm vor, das ähnlich wie bei Musik- oder Videodateien den Codec ausliest und anzeigen kann. Bei den Texten eben die verwendete Cordierung. Mit Codierung meine ich den verwendeten Zeichensatz, also ob UTF8 oder UTF-16 und ob Mac oder Win.

Textdateien enthalten typischerweise keinen Header oder eine Datenbeschreibung.

Deshalb kann man sich nur mit "try und error" an die richtige Codierung herantasten. Das kann natürlich auch ein Programm erledigen, das Ergebnis kann aber nicht immer eindeutig sein.

Relativ einfach wäre die Erkennung Win/Mac, da beide Systeme unterschiedliche Zeilenenden verwenden.

UTF-16 und UTf-32 kann man auch noch relativ leicht erkennen, weil es sich um einen 2/4-Bytecode handelt, ein relativ sicheres Zeichen ist das Vorkommen des Codes x00. Dann wäre nur noch die Byteorder festzustellen, die oft sogar explizit angegegeben wird -> suche mal nach BOM.

Richtig schwierig wird es bei 8-Bit-Codes. hier müsse man auf bestimmte Wörter einer Sprache testen, die spezielle Sonderzeichen enthalten und möglichst in jedem Text vorkommen.

Text Wrangler macht das normalerweise recht zuverlässig.
Ich benutze es auch oft, um eine Codierung zu ändern, Absatzenden für Windows aufzubereiten oder den BOM vom UTF wegzunehmen etc.

Hallo,

in der Tat scheint TextWrangler ein sehr mächtiges Tool zu sein. Aber wo wird die Codierung angezeigt? Sorry, habe ich nicht gefunden in den Menüs. Get-Info ist es nicht.

Gruß

Hallo Rohrfrei,

> Aber wo wird die Codierung angezeigt?

Unten in der Fußleiste. ;-)

Moin,

gibt es auch eine Lösung für Windows?

Gruß
Peter

patsch, mitten ins Gesicht, guten Morgen
bedanke mich vielmals für die Aufhellung, was die Kanne Kaffee bisher offenbar noch nicht geschafft hat...

Gruß

Hallo Rohrfrei,

Zitat

Aber wo wird die Codierung angezeigt?

Unten in der Statusleiste? Bei einem kurzen Test mit Textwrangler hat
dieser eine Word-Datei jedoch nicht korrekt dargestellt. Da stimmte die
Codierung wahrscheinlich schon nicht. Mich würde daher auch so
ein Tool interessieren.

Ich hab dieses Tool gefunden und auch dies aber letzteres scheint nicht
mehr verfügbar zu sein. Der Encoding Master erkennt die Kodierung
auch nicht wirklich sondern man hat die Möglichkeit, etliche Kodierungen
auszuprobieren, die in Frage kommen und dann zu konvertieren o.ä. ...

Gruß,
Sacha

also bei meinen Texten klappt es super und er zeigt es auch entsprechend an

Gruß

Antwort auf [ Sacha Heck ]

Bei einem kurzen Test mit Textwrangler hat
dieser eine Word-Datei jedoch nicht korrekt dargestellt. Da stimmte die
Codierung wahrscheinlich schon nicht.

Eine Word-Datei ist keine Text-Datei mit durchgängigem Encoding. Wenn ich das richtig sehe, werden in Word-Dateien Encodings abhängig u.a. von der Sprache per Format mitgegeben, sind also im Quelltext nicht zwingend ersichtlich. TextWrangler funktioniert mit reinen Textdateien.

Bernd

Hallo Bernd,

Zitat

TextWrangler funktioniert mit reinen Textdateien.

Meinst du damit solche mit der Endung .txt? Das stimmt,
die werden korrekt dargestellt.

Gruß,
Sacha

Antwort auf [ Sacha Heck ]

Meinst du damit solche mit der Endung .txt? Das stimmt,
die werden korrekt dargestellt.

Genau diese. Die enthalten nämlich im Gegensatz zu Word, RTF usw. keine programmabhängigen Meta-Informationen in Form von Fonts, Sprache, Schnitt usw. Gar nichts, außer reinem formbefreiten Text :-)

Bernd

;-)

Nein, so einfach ist das nicht. Die Endung ".txt" ist lediglich eine Konvention, grundsätzlich könnte man jede beliebige Dateiendung verwenden.

CSV-, SDF-, LOG-, RTF-, XML- und HTML-Dateien sind beispielsweise alles reine Textdateien, manche enthalten Informationen über die Codierung, manche nicht.

Manche dieser Dateien sind streng strukturiert, manche nicht.

Das Word (DOC) -Format ist ein binäres Format, das intern mit Zeigerstrukturen arbeitet. Jede externe Änderung führt in der Regel zur Zerstörung der Datei.

Du kannst aber bei bestimmten (allen?) Wordversionen die Endung "doc" duch die Endung "txt" ersetzen und Word wird diese Datei dennoch lesen können.

Zitat

Du kannst aber bei bestimmten (allen?) Wordversionen die Endung "doc" duch die Endung "txt" ersetzen und Word wird diese Datei dennoch lesen können.

Vielleicht bei *.doc, bei den xml-basierten docx ab 2007 sieht's lustig aus.

Ceterum censeo: gibt's auch'n Tool für Windows?

Gruß
Peter

Hallo Peter,

Zitat

Vielleicht bei *.doc, bei den xml-basierten docx ab 2007 sieht's lustig aus.

;-)

das überrascht mich nicht wirklich, docx ist eine Zip-Datei, und Word müsste die Datei zuerst einmal auspacken, um festzustellen, ob es sich um eine Worddatei handelt, während es bei einer "Doc"-Datei nur wenige Bytes benötigt, um die Datei zu erkennen.

Zitat

gibt's auch'n Tool für Windows?

Keine Ahnung, der Aufwand wäre vermutlich überschaubar, aber es gibt wohl nicht viel Anwender, die so etwas brauchen.

Nachdem ich mir kurz angesehen habe, was "TextWrangler" ist:

Schau Dir mal Notepad++ an.