Tegnsett
Nils Øye
publisere på Internett. Problemet er at jeg ønsker å formatere teksten med
engelske/amerikanske anførselstegn (Alt+0147 og Alt+0148), apostrof
(Alt+0146), ellipse (Alt+0133) og muligens andre «finere» tegn som ligger
pent og pyntelig til rette i Windows Tegnkart.
For disse tegne har jeg forsøkt å respektivt bruke «entitiene» “,
”, ’ og … (egentlig automatisk foreslått av HTML-editoren).
Imidlertid er tegnsettet i HEAD-elementet ISO-8859-1, og som man vet når man
poster på news er ikke disse tegnene tilgjengelige i dette tegnsettet. Sida
vises likevel helt fint i Internet Explorer, men så skyldes vel dette bare
at Microsoft ikke alltid er like flinke til å følge standardene; så vidt jeg
har fått med meg, har de «utvidet» ISO-8859-1 litt. (?)
Validatoren til W3C (http://validator.w3.org/), som jeg måler mine sider opp
mot, er _ikke_ enig. I stedet får jeg ørten feilmeldinger om «reference to
non-SGML character», og dokumentet validerer ikke som noe som helst, hverken
som HTML 4.01 Transitional eller HTML 4.01 Strict. Jeg har forsøkt å kjøre
dokumentet gjennom HTML Tidy og endre tegnsettet til både det ene og det
andre, men uten resultat.
Noe må forandres, men jeg aner ikke hva. Spørsmål 1 blir altså: _KAN_ man
bruke disse tegnene på Internett, og samtidig følge standardene til W3C?
Spørsmål 2: Hvis så, hvordan?
Håper noen er villige til å hjelpe meg med dette.
Karl Ove Hufthammer
news:5m2Z7.17681$KQ3.2...@news1.oke.nextra.no:
> Jeg har en engelsk artikkel liggende på harddisken, som jeg
> gjerne ønsker å publisere på Internett. Problemet er at jeg
> ønsker å formatere teksten med engelske/amerikanske
> anførselstegn (Alt+0147 og Alt+0148), apostrof (Alt+0146),
> ellipse (Alt+0133) og muligens andre «finere» tegn
Det er ikkje noko problem.
> For disse tegne har jeg forsøkt å respektivt bruke
> «entitiene» “, ”, ’ og …
Dette er ikkje entitetar, det er (ugyldige) teiknreferansar.
> Validatoren til W3C (http://validator.w3.org/), som jeg
> måler mine sider opp mot, er _ikke_ enig. I stedet får jeg
> ørten feilmeldinger om «reference to non-SGML character»,
Det stemmer. Du tenker på “, ”, ’ og ….
Bruk desse. Dei teikna du nemnte finst ikkje.
> Sida
> vises likevel helt fint i Internet Explorer, men så skyldes
> vel dette bare at Microsoft ikke alltid er like flinke til
> å følge standardene;
Ja, dette er ein feil i Internet Explorer. Teiknsettet for
*alle* HTML 4-dokument er ISO 10646 (~Unicode 3.0), men
teiknkodinga varierer. &#nn; viser alltid til teikn i
teiknsettet, ikkje teiknkodinga.
Viss du for eksempel har teiknkodinga ISO-8859-7 (gresk), vil
teikn nummer 226 vera bokstaven 'liten beta'. Sett du inn ein
byte med verdi 226, skal denne altså visast som ein beta. Men
viss du skriv â, skal teiknet på plass 226 i ISO 10646
visast, som er 'â'. (ISO-8859-1 er forresten ei delmengde av
ISO 10646, slik at alt som finst i førstnemnte finst i
sistnemnte på same plass. Teikn nummer 226 i ISO-8859-1 er då
òg â.)
> Noe må forandres, men jeg aner ikke hva. Spørsmål 1 blir
> altså: _KAN_ man bruke disse tegnene på Internett,
Ja. Eg brukar dei rett som det er. (Men når eg skriv norsk,
brukar eg sjølvsagt « og » som hermeteikn.)
Bør kanskje òg nemna at Netscape 4.x nektar å visa teikn som
ligg utanfor gjeldande teiknkoding. Derfor er det ein fordel å
gå over til UTF-8 for alle dokumenta, der teikn under 128 blir
skrivne direkte, mens teikn over blir skrivne som
teiknreferansar (for kompatibilitet med eldre nettlesarar).
--
Korleis laga gode 'alt'-tekstar for XHTML:
<URL: http://home.no.net/huftis/nettsideutvikling/
/alternativ-tekst-i-xhtml/ >
Nils Øye
news:Xns918BD846...@ID-99504.news.dfncis.de...
> Teiknsettet for
> *alle* HTML 4-dokument er ISO 10646 (~Unicode 3.0), men
> teiknkodinga varierer. &#nn; viser alltid til teikn i
> teiknsettet, ikkje teiknkodinga.
Jeg lasta ned UniBook-programmet fra nettstedet til Unicode
(www.unicode.org), der fant jeg «de riktige» heksadesimalverdiene for
tegnene jeg tidligere nevnte. Så brukte jeg kalkulatoren i Windows i
«Vitenskaplig»-modus og konverterte disse verdiene til desimalverdier, som
jeg så byttet alle de andre «entitiene» i kilden i HTML-fila med ved å bruke
den innebygde «Søk og erstatt»-funksjonen i HTML-editoren. Men: Dette var
fryktelig tungvint. Det finnes ikke noen programmer som gjør dette
automatisk?
Karl Ove Hufthammer
> Jeg lasta ned UniBook-programmet fra nettstedet til Unicode
> (www.unicode.org),
Det kjente eg faktisk ikkje til. Takk for tipset. Lastar det
ned no. Elles er 'Arjan Mel's Font Viewer' eit framifrå program
du kan bruka til det same.
> og konverterte disse verdiene til desimalverdier,
Det er *strengt tatt* ikkje nødvendig. Du kan bruka dei
direkte, viss du sett inn ein x framføre talet, eks.
“. Men eg anar ikkje kor godt støtta det er.
> som jeg så byttet alle de andre «entitiene»
Igjen: Det er ikkje entitetar, det er teiknreferanser.
> i kilden i HTML-fila med ved å bruke den innebygde «Søk og
> erstatt»-funksjonen i HTML-editoren. Men: Dette var
> fryktelig tungvint. Det finnes ikke noen programmer som
> gjør dette automatisk?
Redigeringsprogrammet ditt *burde* gjort det automatisk. Men du
kan alltids bruka Tidy <URL: http://tidy.sf.net/ >. Eg gjorde
ein test, der innfila innheldt:
<p>For disse tegne har jeg forsøkt å respektivt
bruke «entitiene» “, ”, ’ og
… (egentlig automatisk foreslått av
HTML-editoren).</p>
Tidy spytta ut følgjande meldingar:
line 3 column 72 - Warning: replacing invalid
numeric character reference 147
line 4 column 1 - Warning: replacing invalid
numeric character reference 148
line 4 column 9 - Warning: replacing invalid
numeric character reference 146
line 4 column 19 - Warning: replacing invalid
numeric character reference 133
Utfila vart då automatisk fiksa, slik:
<p>For disse tegne har jeg forsøkt å respektivt
bruke «entitiene» “, ”, ’ og
… (egentlig automatisk foreslått av
HTML-editoren).</p>
Nils Øye
> "Nils Øye" <nils...@online.no> skreiv i innlegget
> news:jq3Z7.17769$KQ3.2...@news1.oke.nextra.no:
>
> > Jeg lasta ned UniBook-programmet fra nettstedet til Unicode
> > (www.unicode.org),
>
> Det kjente eg faktisk ikkje til. Takk for tipset. Lastar det
> ned no. Elles er 'Arjan Mel's Font Viewer' eit framifrå program
> du kan bruka til det same.
Vel, nå har du vel prøvd det ut. Hvilket synes du er best?
> > og konverterte disse verdiene til desimalverdier,
>
> Det er *strengt tatt* ikkje nødvendig. Du kan bruka dei
> direkte, viss du sett inn ein x framføre talet, eks.
> “. Men eg anar ikkje kor godt støtta det er.
Det med heksadesimal-entiteter er jeg faktisk klar over. Likevel lurer jeg
på om ikke desimaltegn er bedre støttet; det er i hvert fall disse jeg har
sett på nettsidene til W3C, og i hjelpefila til Dreamweaver finner en
følgende «advarsel» mot bruk av navne-entiteter: «Unfortunately, many
browsers (especially older browsers, and browsers other than Navigator and
Internet Explorer) don't properly display many of the named entities. Most
browsers display most of the commonly used numeric entities, but remembering
an entity's number is harder than remembering its name.»
Her står det forøvrig ingenting om heksadesimal-entiteter. Går derfor utifra
at desimal-entiteter er best støttet. (Enkel konklusjon, men... ;)
> > som jeg så byttet alle de andre «entitiene»
>
> Igjen: Det er ikkje entitetar, det er teiknreferanser.
Jeg skal forsøke å huske på det, selv om jeg neppe kommer til å bruke disse
sakene igjen.
> Redigeringsprogrammet ditt *burde* gjort det automatisk. Men du
> kan alltids bruka Tidy <URL: http://tidy.sf.net/ >.
Jeg brukte TidyGUI da jeg forsøkte å fikse det opp, som baserer seg på en
tidligere versjon datert 4. august 2000. Det var nok ikke den mest feilfrie.
Jeg har lastet ned den nyeste versjonen fra den sida du henviste til, så får
jeg heller bruke litt tid på å lære meg parametrene/attributtene for
programmet.
Karl Ove Hufthammer
>> Det kjente eg faktisk ikkje til. Takk for tipset. Lastar
>> det ned no. Elles er 'Arjan Mel's Font Viewer' eit
>> framifrå program du kan bruka til det same.
>
> Vel, nå har du vel prøvd det ut. Hvilket synes du er best?
UniBook hadde mykje interessant informasjon om dei ulike
teikna, men til ditt formål er 'Arjan Mel's Font Viewer' best,
og mest brukarvenlig.
> Det med heksadesimal-entiteter er jeg faktisk klar over.
For tredje, og forhåpentligvis siste, gong: Det er ikkje
entitetar!
> Likevel lurer jeg på om ikke desimaltegn er bedre støttet;
Har mistanke om det same, men kjenner ikkje til den konkrete
nettlesarstøtta.
> det er i hvert fall disse jeg har sett på nettsidene til
> W3C, og i hjelpefila til Dreamweaver finner en følgende
> «advarsel» mot bruk av navne-entiteter: «Unfortunately,
> many browsers (especially older browsers, and browsers
> other than Navigator and Internet Explorer) don't properly
> display many of the named entities.
*Dette* derimot, er entitetar, eller rettare sagt
entitetsreferansar.
Elles stemmer det heilt at det er betre å bruka teiknreferansar
enn entitetsreferansar (på grunn av nettlesarstøtta).
Entitetmengda varierer òg litt mellom dei forskjellige
standardane (for eksempel er 'apos'-entiteten med i XHTML, men
ikkje i HTML 4).
> Jeg brukte TidyGUI da jeg forsøkte å fikse det opp, som
> baserer seg på en tidligere versjon datert 4. august 2000.
> Det var nok ikke den mest feilfrie.
Nei, og Tidy er stadig under utvikling.
> Jeg har lastet ned den
> nyeste versjonen fra den sida du henviste til, så får jeg
> heller bruke litt tid på å lære meg
> parametrene/attributtene for programmet.
Det er ikkje so vanskelig. Trur følgjande skal fungera fint for
deg:
tidy_win32 -i -n -latin1 -m fil.html
Nils Øye
> "Nils Øye" <nils...@online.no> skreiv i innlegget
> news:gxlZ7.18761$KQ3.2...@news1.oke.nextra.no:
>
> >> Det kjente eg faktisk ikkje til. Takk for tipset. Lastar
> >> det ned no. Elles er 'Arjan Mel's Font Viewer' eit
> >> framifrå program du kan bruka til det same.
> >
> > Vel, nå har du vel prøvd det ut. Hvilket synes du er best?
>
> UniBook hadde mykje interessant informasjon om dei ulike
> teikna, men til ditt formål er 'Arjan Mel's Font Viewer' best,
> og mest brukarvenlig.
URL?
> > Det med heksadesimal-entiteter er jeg faktisk klar over.
>
> For tredje, og forhåpentligvis siste, gong: Det er ikkje
> entitetar!
Fra HTML 4 Bible (2nd Edition), av Bryan Pfaffenberger og Bill Karow (IDG
Books, 2000):
s. 8
«Using Special Characters: Entities
Another example of the W3C's penchant for academic vocabulary, _entities_
are simply characters you may want to display that don't appear on your
keyboard or are characters with special significance to HTML (notably <,>,&,
and "). The most common of these are the copyright and trademark symbols.
Three ways exist to write a code for an entity in your HTML. Whichever way
you choose, you will find all entities begin with an ampersand (&) and end
with a semicolon (;):
* Using character notation. [Altså ©, etc. Dette har vi vært
inne på, så jeg hopper videre... (langt avsnitt ;)] [...]
* Using desimal notation. The decimal representation of a copyright symbol
is ©. Sure, you knew that!
* Using hex notation. Programmers dig this method. Instead pf © to
indicate the copyright symbol, they get yo type ©, which is obviously
way cooler. For the rest of the population, knowing A9 in hex (hexadesimal
notation) equals 169 in the decimal system is useful. All hex notations are
preceeded by a lowercase x.»
Hvorfor ikke skrive «heksadesimal-entiteter»?
Karl Ove Hufthammer
>> men til ditt formål er 'Arjan Mel's Font Viewer' best, og
>> mest brukarvenlig.
>
> URL?
Det ser ut til at heimesida har (sannsynligvis midlertidig)
forsvunne.
>> For tredje, og forhåpentligvis siste, gong: Det er ikkje
>> entitetar!
>
> Fra HTML 4 Bible (2nd Edition), av Bryan Pfaffenberger og
> Bill Karow (IDG Books, 2000):
>
> [...]
Delar av dette er feil.
> Hvorfor ikke skrive «heksadesimal-entiteter»?
Fordi det ikkje *er* entitetar; det er teiknreferansar.
'aring' er i HTML 4 ein entitet, då han er definert i DTD-en
slik:
<!ENTITY aring CDATA "å" -- latin small letter a with
ring above
= latin small letter a ring,
U+00E5 ISOlat1 -->
Dette medfører at når du skriv å, skal dette erstattast
med å, som er ein teiknreferanse til teiknet 'å'. Merk
at entitetar generelt treng *ikkje* berre brukast for
einskildteikn. Eg har lagt ut eit eksempel på
<URL: http://home.no.net/huftis/kritikk/xml/family.xml > (med
tilhøyrande DTD på <URL:
http://home.no.net/huftis/kritikk/xml/family.dtd >). Samanlikn
treet Internet Explorer viser med kjeldekoden til XML-fila.
*Dette* er entitetsreferanser.
Ein entitetsreferanse seier 'erstatt denne referansen med den
tilsvrande teksten som er definert ein annan plass'. Ein
teiknreferanse derimot seier 'erstatt denne referansen med
teikn nummer n i dokumentteiknsettet'.
Håpar det er litt klarare no.
Nils Øye
> "Nils Øye" <nils...@online.no> skreiv i innlegget
> news:dFnZ7.18935$KQ3.3...@news1.oke.nextra.no:
>
> >> men til ditt formål er 'Arjan Mel's Font Viewer' best, og
> >> mest brukarvenlig.
> >
> > URL?
>
> Det ser ut til at heimesida har (sannsynligvis midlertidig)
> forsvunne.
Jeg fikk tak i det et annet sted; vet ikke om det er absolutt siste versjon,
men men. Og nå tror jeg jeg vet hvor du har illustrasjonene i «Tankestrek
vs. bindestrek»-artikkelen din fra ;)
> >> For tredje, og forhåpentligvis siste, gong: Det er ikkje
> >> entitetar!
>
> [...]
>
> Håpar det er litt klarare no.
Ja, det hadde aldri jeg tenkt meg frem til på egen hånd. Da får man vel
heller si desimale og heksadesimale tegnreferanser.
Skjønt, jeg vurderer å kode i UTF-8, av samme årsak som du nevnte: Den i sin
tid svært så populære nettleseren Netscape Navigator 4.x, som imidlertid i
dag «kremtes bort» av bl.a. besøkende på denne gruppa. Bare så ulidelig synd
at kilden ser så utiltalende ut når jeg åpner HTML-fila i Notisblokk... :(
Karl Ove Hufthammer
>> Det ser ut til at heimesida har (sannsynligvis
>> midlertidig) forsvunne.
>
> Jeg fikk tak i det et annet sted; vet ikke om det er
> absolutt siste versjon, men men.
1.14.1.564 er den versjonen eg har.
> Og nå tror jeg jeg vet
> hvor du har illustrasjonene i «Tankestrek vs.
> bindestrek»-artikkelen din fra ;)
Stemmer! :)
>> Håpar det er litt klarare no.
>
> Ja, det hadde aldri jeg tenkt meg frem til på egen hånd. Da
> får man vel heller si desimale og heksadesimale
> tegnreferanser.
Akkurat.
> Skjønt, jeg vurderer å kode i UTF-8, av samme årsak som du
> nevnte: Den i sin tid svært så populære nettleseren
> Netscape Navigator 4.x,
Det er ikkje nødvendig. Det vil seia, du bør bruka teiknkodinga
UTF-8, men la alle ikkje-ASCII-teikn vera numeriske
teiknreferansar. Då skal det fungera i dei aller, aller fleste
nettlesarane.
> som imidlertid i dag «kremtes bort»
> av bl.a. besøkende på denne gruppa.
Med god grunn!
> Bare så ulidelig synd
> at kilden ser så utiltalende ut når jeg åpner HTML-fila i
> Notisblokk... :(
Er berre å gå over til eit program som støttar UTF-8 ...