Ano, vidíte správně, toto je další z mnoha WWW-stránek zabývajících se češtinou pod Linuxem. Na tomto místě se samozřejmě nabízí spousty všetečných otázek, proč že jsem to vlastně dělal a co jsem tím sledoval, když už mnozí jiní učinili na poli lokalizačním spousty práce (za což jsem jim ostatně náležitě vděčný; viz též linky níže).
Leč jak už to bývá, u mnoha věcí mne napadlo, jak je vyřešit úplně jinak a dle mého vlastního názoru lépe (přivedl mne na to vlastně Vojta Pavlík), a tak vznikla tato stránka.
Zatím jediné, čím jsem se pořádně zabýval, je starý známý problém "české znaky kontra Linuxová konzole". Problémy s X-Window zde nejsou ani diskutovány, natož pak řešeny, neboť na okénka si nepotrpím.
Veškeré připomínky jsou samozřejmě vítány.
Kompletní archiv obsahující všechny zmiňované soubory je ke stažení zde. Všechny programy i datové soubory je možno distribuovat při dodržení podmínek GNU General Public License - tedy přesně stejně, jako Linux samotný.
Obsah:
Aneb jak vlastně v Linuxu funguje konzole.
Již od malička Linux podporuje vyměnitelnou znakovou sadu pro konzoli. A od nepaměti to mělo nějaké háčky: hlavní problém je v tom, ze když panove od IBM (Institute of Black Magic?) vyvíjeli svoji VGA kartu, rozhodli se, že implementují 9-pixelový font, který by vypadal o něco estetičtěji než původní 8-pixelový, co měla EGA, nicméně nechtělo se jim ukládat někam onen devátý bit. Vyřešili to tedy velice šalamounsky: do devátého pixelu dávali hardwarově barvu pozadí, ovšem aby to nerozbořilo rámečkové znaky, u znaků s kódy 0xb0 až 0xdf se použije barva pixelu předchozího.
Aby se Linux mohl s tímto šílenstvím vyrovnat (uznejte, že většina kódování
znaků používaných v nedosovském světě - jako například ISO-8859-cokoliv -
má v této zóně normální znaky a případnou grafiku má zcela jinde), musely být
zavedeny mapovací tabulky konvertující kódy znaků na jejich pozice ve fontu
(viz příkaz mapscrn).
Ovšem Linuxová implementace VT100 podporuje hned několik různých
mapování - například VT100-grafiku, IBM-grafiku apod., přičemž před
chvílí popsané překódovávání se děje pouze pro jeden z těchto
módů. Tudíž aby fungovala grafika, musí se poměrně nechutným způsobem
modifikovat termcap, terminfo a kdo ví, co
ještě všechno, a přemapovat grafické znaky ve všech těchto souborech.
I to ovsem občas
nepřinese kýžené ovoce (tedy ono přinese, ale poněkud zkažené),
jelikož se tak grafika většinou přemapuje do oblasti 0x80 až 0x9f, již
vetšina programů považuje za znaky řídící, a tudíž nezobrazitelné.
Naštestí se během vývoje Linuxu 1.3.X objevilo řešení nové všech těchto problémů prosté: kernel začal podporovat mapování znaků přes 16-bitový kód UniCode. Zkrátka a dobře, pro každý z popisovaných módů konzole existuje převodní tabulka do UniCode, plus ještě jedna definovatelná uživatelem (tu ostatně nakonec pro češtinu využijeme) a pak je ještě definována konverzní tabulka z UniCode do kódování fontu, čímž se všechny konverze dají provést jednoduše a docela rychle.
O tom, jak funguje mapování klávesnice pod Linuxem, byla již popsána
spousta papíru, jakož i spousta elektronů. Spokojme se tedy s odkazem
na příslušnou manuálovou stránku od programu loadkeys.
Před chvílí jsme dospěli k názoru, že UniCodový mechanismus bude pro řešení češtiny to pravé (nyní pomlčme o tom, že žádná ze standardních utilit neumí příslušne mapování do UniCode nastavovat, takže musela vzniknout ještě utilita další).
Jediným problémem bylo vybrat kódováni fontu. Vzhledem k mírně šíleným požadavkům, které jsou na jeho obsah kladeny, se asi nikomu nepodaří najít žádné standardní kódování tyto požadavky splňující. Nuž vydejme se cestou objevitelů...
V archivu obsažené soubory layout/*.uni obsahují
kompletní tabulky rozložení jednotlivých kódování, jejichž znaky by font měl
obsahovat - v prvním sloupci kód, ve druhém UniCode glyph number, ve třetím
pak standardní UniCodové jméno znaku.
Jistým kompromisem mezi všemi těmito znakovými sadami je pak kódování popsané
v souboru ucw.uni - obsahuje ASCII ve standardních pozicích, dále pak běžné
IBMovské rámečky mezi 0xb0 a 0xdf, písmena s akcenty mezi 0x7f a 0xaf, jakož i mezi
0xe0 a 0xff a konečně "všehochuť" mezi 0x00 a 0x1f (ani znak nazmar!). Toto
kódování obsahuje všechny znaky Latin-2, část Latin-1, většinu IBMovské
grafiky (všechny rámečky a pár doplňujících znaků jako např. šipky) a vetšinu
VT-100 grafiky.
Vymyslet řešení by ještě nebylo tak zajímavé a hlavně tak užitečné jako
ho realizovat. Výsledky mého snažení (doplněné o to, co poskytli ostatní)
jsou k nalezení v archivu
ucw-cs-1.1.tar.gz,
který obsahuje:
emacs/ - podporu pro Emacs.
fonts/ - fonty.
keymaps/ - mapy klávesnice.
layout/ - tabulky rozložení znaků.
mapscrnuni/ - program pro load UniCodových tabulek.
readline/ - podpora pro Readline a Bash.
Dosud nejsou k dispozici fonty pro všechny používané velikosti znaků, nicméně doufejme, že časem je někdo (možná já) dokreslí. Zatím máme:
Všechny tyto fonty jsou ve formátu PSF se zakompilovanou UniCodovou tabulkou,
takže je stačí naloadovat příkazem setfont a vše začne fungovat. Při tvorbě vlastních fontů
můžete využít samostatnou UniCodovou tabulku (setfont font -u unimap).
Pokud vytvoříte jakýkoliv nový font, prosím o jeho zaslání, abych jej mohl zařadit do nové verze této distribuce.
Na rozdíl od klasických balíků pro podporu češtiny jsem nedodal mnoho různých
kompetních keymap, nýbrž systém modulů, ze kterých se dají různé keymapy skládat
(využívám toho, že příkaz loadkeys si umí nechat zadat několik jmen
souborů, které "slepí" dohromady).
Pro všechny české i slovenské klávesnice jsou určeny následující moduly:
cs-head - hlavní část keymapy,
která je společná pro všechny verse. Obsahuje "stabilní" klávesy jako jsou šipky,
numerický blok apod.
cs-compose - kompozice mrtvých
kláves s ostatními.
K těmto modulům se pak přidává jeden z následujících určující konkrétní typ klávesnice:
cs-ucw - československá UCW klávesnice, zvláště
vhodná tehdy, píšete-li texty obsahující tu a tam české znaky a spoustu nejrůznějších znaků ostatních
včetně číslic a nebaví vás věčné přepínání mezi češtinou na číslicích a číslicemi na číslicích.
Klávesnice se chová jako normální americká, až na to, že CapsLock+písmena generují česká a
slovenská písmena s diakritikou (se shiftem pak velká) (v případě, že totéž písmeno se vyskytuje s více akcenty,
ostatní jsou na sousedních neobsazených klávesách):
q přehlasované a w e s háčkem e e s čárkou r r s háčkem t t s háčkem y y s čárkou u u s krouzkem i i s čárkou o o s čárkou p přehlasované o a a s čárkou s s s háčkem d d s háčkem f přehlasované e g --- h u s čárkou j přehlasované u k o se stříškou l l s háčkem z z s háčkem x --- c c s háčkem v c s cedillou b --- n n s háčkem m l s čárkou - Soft hyphen
cz-type - standardní česká klávesnice typu "psací stroj",
přes CapsLock lze získat původní významy kláves. "=" je mrtvá klávesa pro čárku,
"+" pro háček a "`" pro přehlásku.
cz-prog - česká programátorská klávesnice, to jest americká
klávesnice až na to, že na číslicích jsou české znaky a fungují mrtvé klávesy.
sk-type - standardní slovenská klávesnice typu "psací stroj"
sk-prog - slovenská programátorská klávesnice
Tedy například českou standardní klávesnici lze nahrát pomocí příkazu
loadkeys cs-head.map cz-type.map cs-compose.map.
Jelikož žádná ze standardních utilit dodávaných v balíku kbd neumí nastavovat
jádru mapování uživatelského kódování do UniCode, vytvořil jsem jednoduchý prográmek
mapscrnuni, který toto mapování nastavuje. Na standardním
vstupu očekává soubor typu latin2.table toto
kódování popisující (první sloupec obsahuje pozici ve fontu, druhý pak příslušné UniCodové číslo
znaku).
Emacsu je nutno trochu domluvit, aby byl ochoten akceptovat z klávesnice a zobrazovat
znaky z ISO-8859-2. Tento problém řeší inicializační soubor ucw-cz.el
(pro Emacs 19.34), případně ucw-cz-old.el (pro Emacsy starší),
který správně nastaví osmibitový vstup i výstup, jakož i charakteristiky jednotlivých znaků.
I Bash (respektive readline library) potřebují trochu domluvit, aby pracovali s osmibitovými
znaky. Stačí jim podstrčit správný soubor .inputrc,
ve kterém je nedefinováno, že vše je osmibitové a ještě nádavkem namapovány některé klávesy
(tudíž pak v Bashi chodí i klávesy jako Home a End).
Standardní Bash bohužel dosud neumí pracovat s globálním inputrc. Napsal jsem
patch pro Bash 2.01, který v případě absence uživatelského
~/.inputrc hledá /etc/inputrc a totéž ještě pro /etc/bashrc,
nicméně ve standardní distribuci Bashe dosud není. Snad brzy bude...
A kterak tento skromný balíček nainstalovat?
/usr/lib/kbd/consolefonts, keymapy
do /usr/lib/kbd/keytables, mapscrnuni do /usr/bin
a latin2.table do /usr/lib/kbd/consoletrans.
setfont ucw16.psf mapscrnuni </usr/lib/kbd/consoletrans/latin2.table loadkeys cs-head.map cs-ucw.map cs-compose.map
/etc/issue či /etc/profile přidat, aby se v případě
loginu na konzoli vypisovala řídící sekvence pro přepnutí na uživatelské mapování
(které jsme nastavili na Latin-2), konkrétně ESC(K (například
příkazem echo -en "\033(K").
Možná někdy někdo napíše instalační script či vyrobí RPM...
Rád bych poděkoval všem, kdož přispěli k vývoji tohoto balíčku, zejména pak těmto:
ucw-cz-old.el.
ucw-cz.el.