Kódování textu

Ví moje čtečka, v jakém kódování soubor je, nebo hádá?

Předvolba text-encoding sestaví jediným příkazem celou sadu skutečných testovacích souborů pro tuto otázku a vedle nich manifest.json, který říká, jak má váš systém na každý soubor reagovat. Vše níže se čte z programu při výchozích hodnotách této verze.

Co obvykle najde?

čtečka, která předpokládá UTF-8 a zobrazí soubor UTF-16 jako každý třetí znak nebo jako řady čtverečků
označení pořadí bajtů přečtené jako obsah, takže první pole importu začíná třemi cizími znaky
importér, který hádá kódování z prvních bajtů a u delšího souboru hádá jinak
soubor CRLF rozdělený na řádky s prázdným řádkem za každým, nebo návrat vozíku zůstávající v posledním poli

Co je v sadě?

Při výchozích hodnotách, jak je hlásí tfg preset show text-encoding:

Soubory	20
Targety v receptu	20
Celková velikost	81 920 B
Formáty	csv, log, md, txt, xml

A co od vašeho systému očekává manifest té sady:

Očekáváno	Význam	Soubory
`accept`	Váš systém má soubor přijmout.	10
`unspecified`	Záleží na pravidlech vašeho systému. Rozhodnete vy, a pak ověříte, že to, co se stane, je to, co jste chtěli.	10

Co můžete změnit?

Nastavení	Přijímá	Výchozí	Co dělá
`--sample`	velikost, například 2mb	`4kb`	Jak velký je každý soubor sady. UTF-16 ukládá dva bajty na znak, takže lichý počet je odmítnut.

Jak ji spustit?

Podívejte se, kolik by sada stála, sestavte ji, nebo si vezměte její recept k úpravě:

tfg preset show text-encoding
tfg generate --preset text-encoding --out ./text-encoding
tfg preset eject text-encoding > text-encoding.yaml

Nebo na ní stavte ve vlastním receptu vedle svých testů:

version: 1
extends: preset:text-encoding