BEZEICHNUNG
dos2unix - Formatumwandlung für Textdateien von DOS/Mac nach Unix und
umgekehrt
ÜBERSICHT
dos2unix [Optionen] [DATEI …] [-n EINGABEDATEI AUSGABEDATEI …]
unix2dos [Optionen] [DATEI …] [-n EINGABEDATEI AUSGABEDATEI …]
BESCHREIBUNG
Das Paket Dos2unix enthält die Werkzeuge "dos2unix" und "unix2dos" zum
Umwandeln einfacher Textdateien aus dem DOS- oder Mac-Format in das
Unix-Format und umgekehrt.
In Textdateien unter DOS/Windows sind Zeilenumbrüche, auch als neue
Zeile (NL) bekannt, eine Kombination aus zwei Zeichen: einem
Wagenrücklauf (Carriage Return, CR) gefolgt von einem Zeilenvorschub
(Line Feed, LF). In Unix-Textdateien bestehen Zeilenumbrüche nur aus
einem Zeichen, dem Zeilenvorschub (LF). In Mac-Textdateien aus der Zeit
vor MacOSX bestand ein Zeilenumbruch aus einem einzelnen CR-Zeichen.
Heute verwendet Mac OS Zeilenumbrüche im Unix-Stil (LF).
Neben Zeilenumbrüchen kann Dos2unix auch die Zeichenkodierung von
Dateien umwandeln. Einige DOS-Codepages können in Unix Latin-1
umgewandelt werden, und Windows-Unicode-Dateien (UTF-16) können in
Unix-Unicode-Dateien (UTF-8) umgewandelt werden.
Binärdateien werden automatisch übersprungen, sofern die Umwandlung
nicht erzwungen wird.
Nicht-reguläre Dateien, wie Verzeichnisse und FIFOS (Weiterleitungen)
werden automatisch übersprungen.
Symbolische Links und deren Ziele werden per Vorgabe unverändert
belassen. Symbolische Links können optional ersetzt werden, oder die
Ausgabe wird in das Ziel des symbolischen Links geschrieben. Unter
Windows wird das Schreiben in das Ziel eines symbolischen Links nicht
unterstützt.
Dos2unix wurde nach dem Vorbild der dos2unix-Version unter SunOS/Solaris
entwickelt, doch es gibt einen wesentlichen Unterschied zum Original:
Diese Version ersetzt per Vorgabe Dateien bei der Umwandlung
(Alte-Datei-Modus), während unter SunOS/Solaris nur die paarweise
Umwandlung (Neue-Datei-Modus) unterstützt wird. Siehe dazu die Optionen
"-o" und "-n". Ein weiterer Unterschied ist, dass die
SunOS/Solaris-Version in der Voreinstellung die Umwandlung im
*iso*-Modus vornimmt, während diese Version den *ascii*-Modus verwendet.
OPTIONEN
-- nimmt alle folgenden Optionen als Dateinamen an. Verwenden Sie diese
Option, wenn Sie Dateien umwandeln wollen, deren Namen mit einem
Minuszeichen beginnen. Um beispielsweise eine Datei namens »-bla«
umzuwandeln, können Sie folgenden Befehl verwenden:
dos2unix -- -bla
oder im Neue-Datei-Modus:
dos2unix -n -- -bla ausgabe.txt
--allow-chown
erlaubt die Änderung des Eigentümers der Datei im Alte-Datei-Modus.
Wenn diese Option verwendet wird, dann bricht die Umwandlung nicht
ab, wenn der Eigentümer und die Gruppe der Originaldatei im
Alte-Datei-Modus nicht erhalten werden kann. Die Umwandlung wird
fortgesetzt und die umgewandelte Datei erhält den gleichen neuen
Eigentümer, als wäre sie im Neue-Datei-Modus umgewandelt worden.
Siehe auch die Optionen "-o" und "-n". Diese Option ist nur
verfügbar, wenn dos2unix über Unterstützung für die Erhaltung des
Eigentümers und der Gruppe von Dateien verfügt.
-ascii
wandelt nur Zeilenumbrüche um. Dies ist der vorgegebene
Umwandlungsmodus.
-iso
wandelt aus dem DOS- in den ISO-8859-1-Zeichensatz um. Weitere
Informationen hierzu finden Sie im Abschnitt UMWANDLUNGSMODI.
-1252
verwendet die Windows-Codepage 1252 (Westeuropäisch).
-437
verwendet die DOS-Codepage 437 (US). Dies ist die vorgegebene
Codepage für die ISO-Umwandlung.
-850
verwendet die DOS-Codepage 850 (Westeuropäisch).
-860
verwendet die DOS-Codepage 860 (Portugiesisch).
-863
verwendet die DOS-Codepage 863 (Kanadisches Französisch).
-865
verwendet die DOS-Codepage 865 (Skandinavisch).
-7 wandelt 8bit-Zeichen in ein 7bit-Bitmuster um.
-b, --keep-bom
erhält die Markierung der Bytereihenfolge (BOM). Wenn die
Eingabedatei eine BOM enthält, wird ebenfalls eine BOM in die
Ausgabedatei geschrieben. Dies ist das Standardverhalten beim
Umwandeln von DOS-Zeilenumbrüchen. Siehe auch die Option "-r".
-c, --convmode UMWANDLUNGSMODUS
legt den Umwandlungsmodus fest. UMWANDLUNGSMODUS kann *ascii*,
*7bit*, *iso* oder *mac* sein, wobei *ascii* die Vorgabe ist.
-D, --display-enc KODIERUNG
legt die Kodierung des angezeigten Texts fest. KODIERUNG kann
*ansi*, *unicode*, *unicodebom*, *utf8* oder <utf8bom> sein, wobei
*ansi* die Vorgabe ist.
Diese Option ist nur in dos2unix für Windows mit Unterstützung für
Unicode-Dateinamen verfügbar. Sie bleibt wirkungslos, wenn die
tatsächlichen Dateinamen gelesen und geschrieben werden, lediglich
bei der Darstellung wird sie berücksichtigt.
Es gibt verschiedene Möglichkeiten, Text in einer Windows-Konsole
basierend auf dessen Kodierung darzustellen. Alle haben verschiedene
Vor- und Nachteile.
ansi
Die Standardmethode von dos2unix ist die Verwendung von
ANSI-kodiertem Text, der Vorteil ist deren
Abwärtskompatibilität. Dies funktioniert mit Raster- und
TrueType-Schriften. In manchen Gebieten müssen Sie mit dem
Befehl "chcp" die aktive DOS-OEM-Codepage in die
-System-ANSI-Codepage des Systems ändern, da dos2unix Letztere
verwendet.
Der Nachteil von ANSI ist, dass internationale Dateinamen nicht
korrekt dargestellt werden, wenn darin Zeichen enthalten sind,
die nicht in der im System voreingestellten Codepage enthalten
sind. Stattdessen wird entweder ein Fragezeichen oder ein
falsches Zeichen angezeigt. Sofern Sie nicht mit fremden
Dateinamen arbeiten, ist diese Methode in Ordnung.
unicode, unicodebom
Der Vorteil von Unicode (dem Windows-Namen für UTF-16) ist die
üblicherweise korrekte Textdarstellung. Eine Änderung der
aktiven Codepage ist nicht erforderlich. Sie müssen die
Schriftart der Konsole auf eine TrueType-Schrift einstellen,
damit internationale Zeichen richtig angezeigt werden können.
Sollte ein Zeichen in einer TrueType-Schrift nicht enthalten
sein, wird ein kleines Quadrat angezeigt, das gelegentlich noch
ein Fragezeichen enthält.
Wenn Sie die ConEmu-Konsole nutzen, wird der gesamte Text
korrekt dargestellt, da ConEmu automatisch eine passende Schrift
wählt.
Nachteilig für Unicode ist, dass es nicht zu ASCII kompatibel
ist. Die Ausgabe ist schwer zu verarbeiten, wenn sie in ein
anderes Programm oder eine Datei weitergeleitet wird.
Wenn die Methode "unicodebom" verwendet wird, dann wird dem
Unicode-Text eine BOM (Markierung der Bytereihenfolge)
vorangestellt. Eine BOM ist ist für korrekte um- oder
Weiterleitung in der PowerShell notwendig.
utf8, utf8bom
Der Vorteil von UTF-8 ist die ASCII-Kompatibilität. Sie müssen
die Schriftart der Konsole auf eine TrueType-Schrift setzen.
Dadurch wird der Text ähnlich wie in der "unicode"-Kodierung
dargestellt.
Der Nachteil ist die falsche Darstellung aller
Nicht-ASCII-Zeichen, wenn Sie die Standard-Rasterschrift
verwenden. Nicht nur Unicode-Dateinamen, sondern auch übersetzte
Meldungen werden unlesbar. Auf einem Windows-System, das für
eine ostasiatische Region eingerichtet wurde, wird die Konsole
bei der Anzeige von Meldungen deutlich flackern.
In einer ConEmu-Konsole funktioniert die UTF-8-Kodierung gut.
Wenn die Methode "utf8bom" verwendet wird, dann wird dem
UTF-8-Text eine BOM (Markierung der Bytereihenfolge)
vorangestellt. Eine BOM ist ist für korrekte um- oder
Weiterleitung in der PowerShell notwendig.
Die Standardkodierung kann durch Setzen der Umgebungsvariable
DOS2UNIX_DISPLAY_ENC auf "unicode", "unicodebom", "utf8" oder "utf8"
geändert werden.
-f, --force
erzwingt die Umwandlung von Binärdateien.
-gb, --gb18030
wandelt unter Windows UTF-16-Dateien standardmäßig in UTF-8 um,
ungeachtet der Einstellung der Locale. Verwenden Sie diese Option
zum umwandeln von Utf-16-Dateien in GB18030. Diese Option ist nur
unter Windows verfügbar. Siehe auch Abschnitt GB18030.
-h, --help
zeigt eine Hilfe an und beendet das Programm.
-i[SCHALTER], --info[=SCHALTER] DATEI
zeigt Dateiinformationen an. Es wird keine Umwandlung vorgenommen.
Die Ausgabe der Informationen geschieht in der folgenden
Reihenfolge: Anzahl der DOS-Zeilenumbrüche, Anzahl der
Unix-Zeilenumbrüche, Anzahl der Mac-Zeilenumbrüche, Markierung der
Bytereihenfolge, Text- oder Binärformat, Dateiname.
Beispielausgabe:
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
Beachten sie, dass manchmal eine Binärdatei fälschlicherweise als
Textdatei erkannt wird. Siehe auch Option "-s".
Optionale zusätzliche Schalter können gesetzt werden, um die Ausgabe
anzupassen. Einer oder mehrere Schalter können hinzugefügt werden.
0 gibt die Zeilen zur Dateiinformation mit einem Null-Zeichen am
Ende anstelle eines Zeilenvorschub-Zeichens aus. Dies ermöglicht
die korrekte Interpretation von Leer- und Anführungszeichen in
Dateinamen, wenn der Schalter c verwendet wird. Verwenden Sie
diesen Schalter in Kombination mit der xargs(1)-Option -0 oder
"--null".
d gibt die Anzahl der DOS-Zeilenumbrüche aus.
u gibt die Anzahl der Unix-Zeilenumbrüche aus.
m gibt die Anzahl der Mac-Zeilenumbrüche aus.
b gibt die Markierung der Bytereihenfolge aus.
t zeigt an, ob es sich um eine Text- oder eine Binärdatei handelt.
c gibt nur die Dateien aus, die umgewandelt werden würden.
Mit dem Schalter "c" gibt dos2unix nur die Dateien aus, die
DOS-Zeilenumbrüche enthalten, unix2dos nur die Dateien mit
Unix-Zeilenumbrüchen.
h gibt eine Kopfzeile aus.
p zeigt Dateinamen ohne Pfade an.
Beispiele:
Informationen zu allen *.txt-Dateien anzeigen:
dos2unix -i *.txt
Nur die Anzahl der DOS-Zeilenumbrüche und Unix-Zeilenumbrüche
anzeigen:
dos2unix -idu *.txt
Nur die Markierung der Bytereihenfolge anzeigen:
dos2unix --info=b *.txt
Die Dateien auflisten, die DOS-Zeilenumbrüche enthalten:
dos2unix -ic *.txt
Die Dateien auflisten, die Unix-Zeilenumbrüche enthalten:
unix2dos -ic *.txt
Nur Dateien umwandeln, die DOS-Zeilenumbrüche enthalten und die
anderen Dateien unverändert belassen:
dos2unix -ic0 *.txt | xargs -0 dos2unix
Nach Textdateien suchen, die DOS-Zeilenumbrüche enthalten:
find -name '*.txt' -print0 | xargs -0 dos2unix -ic
-k, --keepdate
übernimmt den Zeitstempel der Eingabedatei in die Ausgabedatei.
-L, --license
zeigt die Lizenz des Programms an.
-l, --newline
fügt eine zusätzliche neue Zeile hinzu.
dos2unix: Nur DOS-Zeilenumbrüche werden in Unix-Zeilenumbrüche
umgewandelt. Im Mac-Modus werden nur Mac-Zeilenumbrüche in
Unix-Zeilenumbrüche umgewandelt.
unix2dos: Nur Unix-Zeilenumbrüche werden in DOS-Zeilenumbrüche
umgewandelt. Im Mac-Modus werden nur Unix-Zeilenumbrüche in
Mac-Zeilenumbrüche umgewandelt.
-m, --add-bom
schreibt eine Markierung der Bytereihenfolge (BOM) in die
Ausgabedatei. In der Voreinstellung wird eine UTF-8-BOM geschrieben.
Wenn die Eingabedatei in UTF-16 kodiert ist und die Option "-u"
verwendet wird, wird eine UTF-16-BOM geschrieben.
Verwenden Sie diese Option niemals, wenn die Kodierung der
Ausgabedatei nicht UTF-8, UTF-16 oder GB 18030 ist. Weitere
Informationen finden Sie im Abschnitt UNICODE.
-n, --newfile EINGABEDATEI AUSGABEDATEI …
Neue-Datei-Modus. Die EINGABEDATEI wird umgewandelt und in die
AUSGABEDATEI geschrieben. Die Dateinamen müssen paarweise angegeben
werden. Platzhalter sollten *nicht* verwendet werden, sonst werden
Sie Ihre Dateien *verlieren*.
Der Benutzer, der die Umwandlung im Neue-Datei-Modus startet, wird
Besitzer der umgewandelten Datei. Die Lese- und Schreibrechte werden
aus den Zugriffsrechten der Originaldatei minus der umask(1) der
Person ermittelt, die die Umwandlung ausgeführt hat.
--no-allow-chown
verhindert die Änderung des Eigentümers der Datei im
Alte-Datei-Modus (Voreinstellung).
bricht die Umwandlung ab, wenn der Eigentümer und/oder die Gruppe
der Originaldatei im Alte-Datei-Modus nicht erhalten werden kann.
Siehe auch die Optionen "-o" und "-n". Diese Option ist nur
verfügbar, wenn dos2unix über Unterstützung für die Erhaltung des
Eigentümers und der Gruppe von Dateien verfügt.
-o, --oldfile DATEI …
Alte-Datei-Modus. Die DATEI wird umgewandelt und durch die
Ausgabedatei überschrieben. Per Vorgabe werden Umwandlungen in
diesem Modus ausgeführt. Platzhalter sind verwendbar.
Im Alte-Datei-Modus (Ersetzungsmodus) erhalten die umgewandelten
Dateien den gleichen Eigentümer, die gleiche Gruppe und die gleichen
Lese- und Schreibberechtigungen wie die Originaldatei, auch wenn die
Datei von einem anderen Benutzer umgewandelt wird, der Schreibrechte
für die Datei hat (zum Beispiel der Systemadministrator). Die
Umwandlung wird abgebrochen, wenn es nicht möglich ist, die
originalen Werte beizubehalten. Die Änderung des Eigentümers könnte
zum Beispiel bewirken, dass der ursprüngliche Eigentümer die Datei
nicht mehr lesen kann. Die Änderung der Gruppe könnte ein
Sicherheitsrisiko sein, da die Datei vielleicht für Benutzer lesbar
wird, für die sie nicht bestimmt ist. Die Beibehaltung von
Eigentümer, Gruppe und Schreib- und Leserechten wird nur unter Unix
unterstützt.
Um herauszufinden, ob dos2unix über Unterstützung für die Erhaltung
von Eigentümer und Gruppe von Dateien verfügt, rufen Sie "dos2unix
-V" auf.
Die Umwandlung führt stets über eine temporäre Datei. Tritt im Laufe
der Umwandlung ein Fehler auf, wird die temporäre Datei gelöscht und
die Originaldatei bleibt intakt. War die Umwandlung erfolgreich,
wird die Originaldatei durch die temporäre Datei ersetzt. Sie können
Schreibrechte für die Originaldatei haben, aber keine Rechte, um die
gleichen Eigentumsverhältnisse wie die der Originaldatei für die
temporäre Datei festzulegen. Das bedeutet, dass Sie Eigentümer und
Gruppe der Originaldatei nicht bewahren können. In diesem Fall
können Sie die Option "--allow-chown" verwenden, um die Umwandlung
fortzusetzen:
dos2unix --allow-chown foo.txt
Eine weitere Option ist der Neue-Datei-Modus:
dos2unix -n foo.txt foo.txt
Der Vorteil der Option "--allow-chown" ist, dass Sie Platzhalter
verwenden können und die Eigentumsverhältnisse bewahrt bleiben,
sofern möglich.
-q, --quiet
Stiller Modus, in dem alle Warnungen und sonstige Meldungen
unterdrückt werden. Der Rückgabewert ist 0, außer wenn fehlerhafte
Befehlszeilenoptionen angegeben werden.
-r, --remove-bom
entfernt die Markierung der Bytereihenfolge (BOM). Es wird keine BOM
in die Ausgabedatei geschrieben. Dies ist das Standardverhalten beim
Umwandeln von Unix-Zeilenumbrüchen. Siehe auch die Option "-b".
-s, --safe
überspringt Binärdateien (Vorgabe).
Binärdateien werden übersprungen, damit unerwünschtes Fehlverhalten
vermieden wird. Denken Sie daran, dass die Erkennung nicht 100%
sicher funktioniert. Die übergebenen Dateien werden auf Binärsymbole
überprüft, die typischerweise in Textdateien nicht vorkommen. Es ist
jedoch möglich, dass eine Binärdatei ausschließlich gewöhnliche
Textzeichen enthält. Eine solche Binärdatei wird dann
fälschlicherweise als Textdatei angesehen.
-u, --keep-utf16
erhält die originale UTF-16-Kodierung der Eingabedatei. Die
Ausgabedatei wird in der gleichen UTF-16-Kodierung geschrieben
(Little-Endian- oder Big-Endian-Bytereihenfolge) wie die
Eingabedatei. Dies verhindert die Umwandlung in UTF-8. Eine
UTF-16-BOM wird dementsprechend geschrieben. Diese Option kann durch
Angabe der Option "-ascii" deaktiviert werden.
-ul, --assume-utf16le
nimmt an, dass die Eingabedatei das Format UTF-16LE hat.
Wenn die Eingabedatei eine Markierung der Bytereihenfolge enthält
(BOM), dann hat die BOM Vorrang vor dieser Option.
Durch eine falsche Annahme (die Eingabedatei war nicht in UTF-16LE
kodiert) mit erfolgreicher Umwandlung erhalten Sie eine
UTF-8-Ausgabedatei mit fehlerhaftem Text. Sie können die
fehlgeschlagene Umwandlung mit iconv(1) rückgängig machen, indem Sie
die Rückumwandlung von UTF-8 nach UTF-16LE vornehmen. Dadurch
gewinnen Sie die Originaldatei zurück.
Die Annahme von UTF-16LE wirkt wie ein *Umwandlungsmodus*. Beim
Wechsel zum vorgegebenen *ascii*-Modus wird die UTF16LE-Annahme
deaktiviert.
-ub, --assume-utf16be
nimmt an, dass die Eingabedatei das Format UTF-16BE hat.
Diese Option ist gleichbedeutend mit "-ul".
-v, --verbose
zeigt ausführliche Meldungen an. Zusätzliche Informationen werden zu
den Markierungen der Bytereihenfolge (BOM) und zur Anzahl der
umgewandelten Zeilenumbrüche angezeigt.
-F, --follow-symlink
folgt symbolischen Links und wandelt die Zieldateien um.
-R, --replace-symlink
ersetzt symbolische Links durch die umgewandelten Dateien (die
originalen Zieldateien bleiben unverändert).
-S, --skip-symlink
erhält symbolische Links als solche und lässt die Ziele unverändert
(Vorgabe).
-V, --version
zeigt Versionsinformationen an und beendet das Programm.
MAC-MODUS
Im Normalmodus werden Zeilenumbrüche von DOS nach Unix und umgekehrt
umgewandelt. Mac-Zeilenumbrüche werden nicht verändert.
Im Mac-Modus werden Zeilenumbrüche von Mac nach Unix und umgekehrt
umgewandelt. DOS-Zeilenumbrüche werden nicht verändert.
Um das Programm im Mac-Modus auszuführen, verwenden Sie die
Befehlszeilenoption "-c mac" oder die Befehle "mac2unix" oder
"unix2mac".
UMWANDLUNGSMODI
ascii
Im "ascii"-Modus werden nur Zeilenumbrüche umgewandelt. Dies ist der
vorgegebene Umwandlungsmodus.
Obwohl der Name dieses Modus auf ASCII hinweist, welches ein
7-bit-Standard ist, bezieht sich der eigentliche Modus auf 8 Bit.
Verwenden Sie diesen Modus immer dann, wenn Sie Unicode-Dateien in
UTF-8-Kodierung umwandeln.
7bit
In diesem Modus werden alle Nicht-ASCII-Zeichen aus 8 Bit in das
7-Bit-Bitmuster umgewandelt.
iso Die Zeichen werden aus dem DOS-Zeichensatz (der Codepage) in den
ISO-Zeichensatz ISO-8859-1 (Latin-1) in Unix umgewandelt.
DOS-Zeichen ohne Äquivalent in ISO-8859-1, für die die Umwandlung
nicht möglich ist, werden durch einen Punkt ersetzt. Gleiches gilt
für ISO-8859-1-Zeichen ohne DOS-Gegenstück.
Wenn nur die Option "-iso" angegeben ist, versucht dos2unix die
aktive Codepage selbst zu ermitteln. Sollte dies nicht möglich sein,
wird die Standard-Codepage CP437 verwendet, welche hauptsächlich in
den USA eingesetzt wird. Um eine bestimmte Codepage zu erzwingen,
verwenden Sie die Optionen -437 (US), -850 (Westeuropäisch), -860
(Portugiesisch), -863 (Kanadisches Französisch) oder -865
(Skandinavisch). Die Windows-Codepage CP1252 (Westeuropäisch) wird
durch die Option -1252 unterstützt.
Wenden Sie niemals die ISO-Umwandlung auf Unicode-Textdateien an. In
UTF-8 kodierte Dateien werden dadurch beschädigt.
Einige Beispiele:
Umwandlung aus der vorgegebenen DOS-Codepage nach Unix Latin-1:
dos2unix -iso -n in.txt ausgabe.txt
Umwandlung von DOS CP850 nach Unix Latin-1:
dos2unix -850 -n eingabe.txt ausgabe.txt
Umwandlung von Windows CP1252 nach Unix Latin-1:
dos2unix -1252 -n eingabe.txt ausgabe.txt
Umwandlung von Windows CP1252 nach Unix UTF-8 (Unicode):
iconv -f CP1252 -t UTF-8 eingabe.txt | dos2unix > ausgabe.txt
Umwandlung von Unix Latin-1 in die vorgegebene DOS-Codepage:
unix2dos -iso -n eingabe.txt ausgabe.txt
Umwandlung von Unix Latin-1 nach DOS CP850:
unix2dos -850 -n eingabe.txt ausgabe.txt
Umwandlung von Unix Latin-1 nach Windows CP1252:
unix2dos -1252 -n eingabe.txt ausgabe.txt
Umwandlung von Unix UTF-8 (Unicode) nach Windows CP1252:
unix2dos < eingabe.txt | iconv -f UTF-8 -t CP1252 > ausgabe.txt
Siehe auch <http://czyborra.com/charsets/codepages.html> und
<http://czyborra.com/charsets/iso8859.html>.
UNICODE
Zeichenkodierungen
Es gibt verschiedene Unicode-Zeichenkodierungen. Unter Unix und Linux
sind Unicode-Dateien typischerweise in UTF-8 kodiert. Unter Windows
können Textdateien in UTF-8, UTF-16 oder UTF-16 in
Big-Endian-Bytereihenfolge kodiert sein, liegen aber meist im Format
UTF-16 vor.
Umwandlung
Unicode-Textdateien können DOS-, Unix- oder Mac-Zeilenumbrüche
enthalten, so wie reguläre Textdateien.
Alle Versionen von dos2unix und unix2dos können UTF-8-kodierte Dateien
umwandeln, weil UTF-8 im Hinblick auf Abwärtskompatiblität mit ASCII
entwickelt wurde.
Dos2unix und unix2dos mit Unterstützung für UTF-16 können in UTF-16
kodierte Dateien in Little-Endian- und Big-Endian-Bytereihenfolge lesen.
Um festzustellen, ob dos2unix mit UTF-16-Unterstützung kompiliert wurde,
geben Sie "dos2unix -V" ein.
Unter Unix/Linux werden UTF-16 kodierte Dateien standardmäßig in die
Zeichenkodierung entsprechend der Locale umgewandelt. Mit dem Befehl
locale(1) können Sie herausfinden, wie die Zeichenkodierung der Locale
eingestellt ist. Wenn eine Umwandlung nicht möglich ist, verursacht dies
einen Umwandlungsfehler, wodurch die Datei übersprungen wird.
Unter Windows werden UTF-16-Dateien standardmäßig in UTF-8 umgewandelt.
In UTF-8 formatierte Textdateien werden von Windows und Unix/Linux
gleichermaßen unterstützt.
Die Kodierungen UTF-16 und UTF-8 sind vollständig kompatibel, daher wird
bei der Umwandlung keinerlei Text verlorengehen. Sollte bei der
Umwandlung von UTF-16 in UTF-8 ein Problem auftreten, beispielsweise
wenn die UTF-16-kodierte Eingabedatei einen Fehler enthält, dann wird
diese Datei übersprungen.
Wenn die Option "-u" verwendet wird, wird die Ausgabedatei in der
gleichen UTF-16-Kodierung wie die Eingabedatei geschrieben. Die Option
"-u" verhindert die Umwandlung in UTF-8.
Dos2unix und unix2dos bieten keine Option zur Umwandlung von
UTF-8-Dateien in UTF-16.
Umwandlungen im ISO- und 7bit-Modus funktionieren mit UTF-16-Dateien
nicht.
Markierung der Bytereihenfolge
Unicode-Textdateien unter Windows haben typischerweise eine Markierung
der Bytereihenfolge (BOM), da viele Windows-Programme (zum Beispiel
Notepad) solche BOMs standardmäßig hinzufügen. Weitere Informationen
hierzu finden Sie auf <http://de.wikipedia.org/wiki/Byte-Reihenfolge>.
Unter Unix haben Textdateien üblicherweise keine BOM. Es wird
stattdessen angenommen, dass Textdateien in der Zeichenkodierung
entsprechend der Spracheinstellung vorliegen.
Dos2unix kann nur dann erkennen, ob eine Datei UTF-16-kodiert ist, wenn
die Datei eine BOM enthält. Ist dies nicht der Fall, nimmt dos2unix an,
dass es sich um eine Binärdatei handelt.
Verwenden Sie die Optionen "-ul" oder "-ub", um eine UTF-16-Datei ohne
BOM umzuwandeln.
Dos2unix schreibt in der Voreinstellung keine BOM in die Ausgabedatei.
Mit der Option "-b" schreibt Dos2unix eine BOM, wenn die Eingabedatei
ebenfalls eine BOM hat.
Unix2dos schreibt in der Voreinstellung eine BOM in die Ausgabedatei,
wenn die Eingabedatei ebenfalls eine solche Markierung hat. Verwenden
Sie die Option "-r", um die BOM zu entfernen.
Dos2unix und unix2dos schreiben immer eine BOM, wenn die Option "-m"
angegeben ist.
Unicode-Dateinamen unter Windows
Dos2unix verfügt über optionale Unterstützung für das Lesen und
Schreiben von Unicode-Dateinamen in der Windows-Eingabeaufforderung.
Dadurch kann dos2unix Dateien öffnen, deren Namen Zeichen enthalten, die
nicht zur Standard-ANSI-Codepage des Systems gehören. Geben Sie
"dos2unix -V" ein, um zu sehen, ob dos2unix für Windows mit
Unterstützung für Unicode-Dateinamen erstellt wurde.
Die Anzeige von Unicode-Dateinamen in einer Windows-Konsole ist
gelegentlich nicht fehlerfrei, siehe die Option "-D", "--display-enc".
Die Dateinamen können falsch dargestellt werden, allerdings werden die
Dateien mit deren korrekten Namen gespeichert.
Unicode-Beispiele
Umwandlung von Windows UTF-16 (mit BOM) nach Unix UTF-8:
dos2unix -n eingabe.txt ausgabe.txt
Umwandlung von Windows UTF-16LE (ohne BOM) nach Unix UTF-8:
dos2unix -ul -n eingabe.txt ausgabe.txt
Umwandlung von Unix UTF-8 nach Windows UTF-8 mit BOM:
unix2dos -m -n eingabe.txt ausgabe.txt
Umwandlung von Unix UTF-8 nach Windows UTF-16:
unix2dos < eingabe.txt | iconv -f UTF-8 -t UTF-16 > ausgabe.txt
GB18030
GB18030 ist ein Standard der chinesischen Regierung. Eine Teilmenge des
in GB18030 definierten Standards ist offiziell für alle in China
verkauften Softwareprodukte vorgeschrieben. Siehe auch
<http://de.wikipedia.org/wiki/GB_18030>.
GB18030 ist vollständig zu Unicode kompatibel und kann als
Unicode-Umwandlungsformat betrahctet werden. Wie auch UTF-8 ist GB18030
kompatibel zu ASCII. Ebenfalls kompatibel ist es zur Codepage 936 von
Windows, auch als GBK bekannt.
Unter Unix/Linux werden UTF-16-Dateien in GB18030 umgewandelt, wenn die
Einstellung der Locale auf GB18030 gesetzt ist. Beachten Sie, dass dies
nur funktioniert, wenn die Locale vom System unterstützt wird. Mit dem
Befehl "locale -a" erhalten Sie eine Liste der unterstützten Locales.
Unter Windows benötigen Sie die Option "-gb", um UTF-16-Dateien in
GB18030 umwandeln zu können.
In GB 18030 kodierte Dateien haben wie Unicode-Dateien eine Markierung
der Bytereihenfolge (BOM).
BEISPIELE
Aus der Standardeingabe lesen und in die Standardausgabe schreiben:
dos2unix < a.txt
cat a.txt | dos2unix
a.txt umwandeln und ersetzen, b.txt umwandeln und ersetzen:
dos2unix a.txt b.txt
dos2unix -o a.txt b.txt
a.txt im ascii-Modus umwandeln und ersetzen:
dos2unix a.txt
a.txt im ascii-Modus umwandeln und ersetzen, b.txt im 7bit-Modus
umwandeln und ersetzen:
dos2unix a.txt -c 7bit b.txt
dos2unix -c ascii a.txt -c 7bit b.txt
dos2unix -ascii a.txt -7 b.txt
a.txt aus dem Mac- in das Unix-Format umwandeln:
dos2unix -c mac a.txt
mac2unix a.txt
a.txt aus dem Unix- in das Mac-Format umwandeln:
unix2dos -c mac a.txt
unix2mac a.txt
a.txt unter Beibehaltung des ursprünglichen Zeitstempels umwandeln:
dos2unix -k a.txt
dos2unix -k -o a.txt
a.txt umwandeln und das Ergebnis nach e.txt schreiben:
dos2unix -n a.txt e.txt
a.txt umwandeln und das Ergebnis nach e.txt schreiben, wobei e.txt den
gleichen Zeitstempel erhält wie a.txt:
dos2unix -k -n a.txt e.txt
a.txt umwandeln und ersetzen, b.txt umwandeln und das Ergebnis nach
e.txt schreiben:
dos2unix a.txt -n b.txt e.txt
dos2unix -o a.txt -n b.txt e.txt
c.txt umwandeln und das Ergebnis nach e.txt schreiben, a.txt umwandeln
und ersetzen, b.txt umwandeln und ersetzen, d.txt umwandeln und das
Ergebnis nach f.txt schreiben:
dos2unix -n c.txt e.txt -o a.txt b.txt -n d.txt f.txt
REKURSIVE UMWANDLUNG
In einer Unix-Shell verwenden Sie dos2unix zusammen mit den Befehlen
find(1) und xargs(1), um Textdateien in einem Verzeichnisbaum rekursiv
umzuwandeln. Um beispielsweise alle *.txt-Dateien im aktuellen
Verzeichnis und dessen Unterverzeichnissen umzuwandeln, geben Sie
Folgendes ein:
find . -name '*.txt' -print0 |xargs -0 dos2unix
Die find(1)-Option "-print0" und die korrespondierende xargs(1)-Option
-0 werden für Dateien benötigt, deren Namen Leerzeichen oder
Anführungszeichen enthalten. Ansonsten können diese Optionen weggelassen
werden. Eine weitere Möglichkeit ist, find(1) zusammen mit der Option
"-exec" zu verwenden:
find . -name '*.txt' -exec dos2unix {} \;
In einer Eingabeaufforderung kann der folgende Befehl verwendet werden:
for /R %G in (*.txt) do dos2unix "%G"
In der Windows PowerShell können Sie folgenden Befehl verwenden:
get-childitem -path . -filter '*.txt' -recurse | foreach-object {dos2unix $_.Fullname}
LOKALISIERUNG
LANG
Die primäre Sprache wird durch die Umgebungsvariable LANG
festgelegt. Diese Variable besteht aus mehreren Teilen: Der erste
Teil besteht aus zwei Kleinbuchstaben, die den Sprachcode angeben.
Der zweite Teil ist optional und bezeichnet den Ländercode in
Großbuchstaben, vom davor stehenden Sprachcode durch einen
Unterstrich getrennt. Der dritte Teil ist ebenfalls optional und
gibt die Zeichenkodierung an, vom Ländercode durch einen Punkt
getrennt. Einige Beispiele für Standard-POSIX-Shells:
export LANG=de Deutsch
export LANG=de_DE Deutsch, Deutschland
export LANG=de_AT Deutsch, Österreich
export LANG=es_ES Spanisch, Spanien
export LANG=es_MX Spanisch, Mexiko
export LANG=en_US.iso88591 Englisch, USA, Latin-1-Zeichenkodierung
export LANG=en_GB.UTF-8 Englisch, GB, UTF-8-Zeichenkodierung
Eine vollständige Liste der Sprachen und Ländercodes finden Sie im
Gettext-Handbuch:
<http://www.gnu.org/software/gettext/manual/html_node/Usual-Language
-Codes.html>
Auf Unix-Systemen erhalten Sie mit dem Befehl locale(1) spezifische
Informationen zu den Spracheinstellungen.
LANGUAGE
Mit der Umgebungsvariable LANGUAGE können Sie eine Prioritätenliste
für Sprachen übergeben, die Sie durch Doppelpunkte voneinander
trennen. Dos2unix gibt LANGUAGE vor LANG den Vorzug, zum Beispiel
bei Deutsch vor Niederländisch: "LANGUAGE=de:nl". Sie müssen
zunächst die Lokalisierung aktivieren, indem Sie die Variable LANG
(oder LC_ALL) auf einen anderen Wert als »C« setzen, bevor Sie die
Liste der Sprachprioritäten mit der Variable LANGUAGE nutzen können.
Weitere Informationen finden Sie im Gettext-Handbuch:
<http://www.gnu.org/software/gettext/manual/html_node/The-LANGUAGE-v
ariable.html>
Falls Sie eine Sprache auswählen, die nicht verfügbar ist, erhalten
Sie die Standardmeldungen in englischer Sprache.
DOS2UNIX_LOCALEDIR
Durch die Umgebungsvariable DOS2UNIX_LOCALEDIR wird LOCALEDIR
während der Kompilierung übergangen. LOCALEDIR wird verwendet, um
Sprachdateien zu finden. Der GNU-Standardwert ist
"/usr/local/share/locale". Die Option --version zeigt das verwendete
LOCALEDIR an.
Beispiel (POSIX-Shell):
export DOS2UNIX_LOCALEDIR=$HOME/share/locale
RÜCKGABEWERT
Bei Erfolg wird 0 zurückgegeben. Bei aufgetretenen Systemfehlern wird
der letzte Systemfehler zurückgegeben. Für alle anderen Fehler wird 1
zurückgegeben.
Der Rückgabewert ist im stillen Modus stets 0, außer wenn fehlerhafte
Befehlszeilenoptionen verwendet werden.
STANDARDS
<http://de.wikipedia.org/wiki/Textdatei>
<http://de.wikipedia.org/wiki/Wagenr%C3%BCcklauf>
<http://de.wikipedia.org/wiki/Zeilenumbruch>
<http://en.wikipedia.org/wiki/Unicode>
AUTOREN
Benjamin Lin - <blin@socs.uts.edu.au>, Bernd Johannes Wuebben
(Mac2unix-Modus) - <wuebben@kde.org>, Christian Wurll (Extra
Zeilenumbruch) - <wurll@ira.uka.de>, Erwin Waterlander -
<waterlan@xs4all.nl> (Betreuer)
Projektseite: <http://waterlan.home.xs4all.nl/dos2unix.html>
SourceForge-Seite: <http://sourceforge.net/projects/dos2unix/>
SIEHE AUCH
file(1) find(1) iconv(1) locale(1) xargs(1)