मुझे कुछ मोजी सेंकना

Question

एक स्ट्रिंग, कैरेक्टर लिस्ट, बाइट स्ट्रीम, सीक्वेंस ... जो मान्य UTF-8 और मान्य Windows-1252 दोनों है (ज्यादातर भाषाएँ शायद एक सामान्य UTF-8 स्ट्रिंग लेना चाहती हैं) को देखते हुए, इसे (यानी इसे दिखावा करें ) से रूपांतरित करें । ) Windows-1252 से UTF-8 तक ।

उदाहरण के माध्यम से चला गया

UTF-8 स्ट्रिंग
I       ♥        U  T  F  -  8
को बाइट के रूप में दर्शाया गया है,
49 20  E2 99 A5  20 55 54 46 2D 38
ये बाइट मान Windows-1252 तालिका में हमें यूनिकोड समतुल्य
49 20 E2 2122 A5 20 55 54 46 2D 38
प्रदान करता है जैसे कि
I    â  ™  ¥    U  T  F  -  8

उदाहरण

£ → £

£ → £

£ → £

I ♥ UTF-8 → I ♥ UTF-8

árvíztűrő tükörfúrógép → árvÃztűrÅ‘ tükörfúrógép

Comments

@ user202729 "इसे रूपांतरित करें" लिंक देखें। यह एक दंड है।

— एरगेलर आउट

सुविधा के लिए: विंडोज 1252 वर्ण सेट यूनिकोड के समान है, सिवाय 0x80..0x9F के, जहां वर्ण हैं € ‚ƒ„…†‡ˆ‰Š‹Œ Ž ‘’“”•–—˜™š›œ žŸ। (space = अप्रयुक्त)

— user202729

@ user202729 उह, मुझे यकीन नहीं है कि आप क्या कहना चाह रहे थे, लेकिन यह सच होने के करीब नहीं है। यूनिकोड में लाखों पात्र हैं, Windows-1252 केवल 256.

— डेविड कॉनरोड

@ डेविडकॉनराड, "यूनिकोड में लाखों वर्ण हैं" अतिरंजित है। यूनीकोड ​​1,114,112 कोडपॉइंट्स को परिभाषित करता है। उसमें से वर्तमान में 136,690 कोडपॉइंट उपयोग किए जाते हैं।

— वर्नफ्रीड डोमशिट

@Ernfried बिंदु की तुलना 256 वर्ण वाले वर्ण से की जा रही है।

— डेविड कॉनराड

Answer 1

बैश, 14 बाइट्स

iconv -fCP1252

इसे ऑनलाइन आज़माएं!

Comments

upvoted, लेकिन अगर मैं गलत नहीं हूँ, कि मानता है, कि सिस्टम एन्कोडिंग utf-8 है

— GiM

Answer 2

जावा 8, 72 66 36 25 बाइट्स

s->new String(s,"cp1252")

इसे ऑनलाइन आज़माएं।

s->  // Method with byte-array (UTF-8 by default) as parameter and String return-type
  new String(s,"cp1252")
     //  Pretend this UTF-8 input is (and convert it to) Windows-1252,
     //  and return it as UTF-8 String (by default) as well

cp1252के लिए एक उपनाम है Windows-1252। यह उपनाम और एपीआई के cp1252लिए कैननिकल नाम है , जबकि पूरा नाम एपीआई के लिए कैननिकल नाम है। समर्थित जावा एन्कोडिंग की पूरी सूची के लिए यहां देखें , जहां हम हमेशा कोडगॉल्फिंग के लिए दो में से सबसे कम का उपयोग करना चाहते हैं।java.iojava.langWindows-1252java.nio

Comments

जावा जीतने वाला कोड गोल्फ‽ जो सही नहीं हो सकता।

— अदाम

@ एडम हे, मैं वास्तव में सुखद आश्चर्य के साथ-साथ इन सभी लंबे उत्तरों को देख रहा हूं। ;) लेकिन मुझे पूरा यकीन है कि जेली, 05AB1E, आदि मुझे बहुत जल्द हरा देंगे।

— केविन क्रूज़सेन

मुझे शक है कि। संभवतः उनके पास अनुवाद तालिकाएँ नहीं हैं। Dyalog APL हालांकि ...

— Adám

" java.nioएपीआई के लिए कैननियल नाम ": पी

— एएससीआईआई-केवल

Answer 3

आर 3.5.0 या उच्चतर, 32 20 बाइट

scan(,"",e="latin1")

इसे ऑनलाइन आज़माएं!

अजीब तरह एक के लिए कम स्ट्रिंग आर में चुनौती ... 12 और बाइट्स नीचे गोल्फ के लिए Jayce करने के लिए धन्यवाद!

scanवैकल्पिक रूप encodingसे इनपुट स्ट्रिंग के एन्कोडिंग को सेट करने के लिए एक तर्क लेता है । latin1के प्रलेखन के अनुसार से मेल खाती हैEncoding

By लैटिन -1 ’लोकेल का मतलब कुछ अस्पष्टता है, क्योंकि कुछ ओएस (विशेष रूप से विंडोज) आईएसओ 8859-1 चरित्र सेट में नियंत्रण पात्रों के लिए उपयोग किए जाने वाले चरित्र पदों का उपयोग करते हैं। ऐसे वर्णों की व्याख्या कैसे की जाती है, यह प्रणाली पर निर्भर है, लेकिन R 3.5.0 से वे संभव हैं यदि उदाहरण के लिए, यूटीएफ -8 में कनवर्ट करते समय विंडोज कोडपेज 1252 (जिसे माइक्रोसॉफ्ट 'विंडोज लैटिन 1 (एएनएसआई)) कहता है)।

Comments

मैंने Encoding... के प्रलेखन के लिंक का अनुसरण किया और यह scanभी जान लिया कि encodingO_O का एक तर्क भी है ... 20 बाइट्स

— JayCe

@ जयके वोडा थंक इट! बहुत अच्छा!

— Giuseppe

Answer 4

पायथन 2 , 40 38 बाइट्स

-2 बाइट्स एग्री द आउटगॉल्फ के लिए धन्यवाद ।

lambda s:s.decode('1252').encode('u8')

इसे ऑनलाइन आज़माएं!

u8 के लिए एक उपनाम है utf-8।

Comments

शायद आप इसके साथ थोड़ा धोखा कर सकते हैं: input().decode(...).encode(...):) मुझे यह भी लगता है कि अगर आप पॉवरशेल में कुछ विंडोज़ कंसोल एन्कोडिंग का उपयोग करने में सक्षम हो सकते हैं (लेकिन मैं इस बारे में पूरी तरह से अनिश्चित हूं)।

— KeyWeeUsr

Codegolf.stackexchange.com/a/167238/52609

— KeyWeeUsr

@KeyWeeUsr आपके सुझाव के साथ समस्या यह है कि वास्तव में कुछ भी आउटपुट नहीं है, जैसा कि आपके द्वारा जुड़े गए उत्तर के विपरीत है। आर नंगे अभिव्यक्ति के मूल्य का उत्पादन करता है जबकि नहीं करता है।

— ओवन्स

Answer 5

पायथन 3 , 38 36 34 बाइट्स

lambda s:s.encode().decode('1252')

इसे ऑनलाइन आज़माएं!

नोट: मेरे पास एक कार्य करने के बाद मैंने tio के हेडर और फुटर फ़ील्ड के बारे में जानने के लिए ovs के python2 उत्तर का उपयोग किया , इसलिए हेडर और पाद एक ही हैं

संपादित करें: यह utf8 के लिए डिफ़ॉल्ट रूप से python3 के लिए थोड़ा सा धन्यवाद और ovs के सबमिशन से एक टिप दिया गया :)

Answer 6

जावास्क्रिप्ट, 64 बाइट्स

x=>new TextDecoder('cp1252').decode(new TextEncoder().encode(x))

f =
x=>new TextDecoder('cp1252').decode(new TextEncoder().encode(x))

<p><input id=i oninput="o.value=f(i.value)" style="width:100%" /></p>
<p><output id=o></output></p>

जावा उत्तर से भी अधिक लंबा। बहुत दुख की बात। :(

Answer 7

रूबी , 31 बाइट्स

->s{s.encode("UTF-8","CP1252")}

इसे ऑनलाइन आज़माएं!

टेस्ट केस TIO में शामिल किए गए हैं

Answer 8

सी #, 81 बाइट्स

using e=System.Text.Encoding;s=>e.GetEncoding(1252).GetString(e.UTF8.GetBytes(s))

इसे ऑनलाइन आज़माएं!

3 बाइट्स के लिए Schmalls का धन्यवाद

Comments

क्या इसे using e=System.Text.Encoding;s=>e.GetEncoding(1252).GetString(e.UTF8.GetBytes(s))घटाकर 81 पर लाया जा सकता है?

— Schmalls

@Schmalls लगता है हां, धन्यवाद!

— मेघो

Answer 9

180 बाइट्स, मशीन कोड (16-बिट x 86)

मैंने देखा कि अधिकांश उत्तर बिलियन एनकोड / डिकोड (जो मुझे लगता है कि पूरी तरह से ठीक है) का उपयोग करते हैं, लेकिन मुझे लगा कि मैं अपनी 16-बिट खोज जारी रखूंगा ।

पिछले वाले के साथ, यह संकलक के बिना ज्यादातर एचटी हेक्सिडिटर और आईसीवाई के हेक्सप्लेयर का उपयोग करके किया गया था ।

00000000: eb40 ac20 0000 1a20 9201 1e20 2620 2020  .@. ... ... &                     
00000010: 2120 c602 3020 6001 3920 5201 0000 7d01  ! ..0 `.9 R...}.                  
00000020: 0000 0000 1820 1920 1c20 1d20 2220 1320  ..... . . . " .                   
00000030: 1420 dc02 2221 6101 3a20 5301 0000 7e01  . .."!a.: S...~.                  
00000040: 7801 89f7 4646 89fa 89d9 4143 4bb4 3fcd  x...FF....ACK.?.                  
00000050: 2185 c074 288a 053c 8073 05e8 1700 ebec  !..t(..<.s......                  
00000060: 3ca0 721a d440 0d80 c050 86c4 e806 0058  <.r..@...P.....X                  
00000070: e802 00eb d7b4 4088 05b3 01cd 21c3 2c80  ......@.....!.,.                  
00000080: d0e0 89c3 8b00 89cb 85c0 74c0 3dff 0773  ..........t.=..s                  
00000090: 08c1 c002 c0e8 02eb cd50 c1e8 0c0c e0e8  .........P......                  
000000a0: d3ff 5825 ff0f c1c0 02c0 e802 0d80 8050  ..X%...........P                  
000000b0: 86c4 ebb8                                ....                              

विच्छेदन

कार्यान्वयन बहुत सीधा है, हालांकि मैंने बहुत आगे बढ़ने के लिए विचार नहीं किया है, इसलिए वहां कुछ स्पेगेटी है।

मैं ऑर्डर को थोड़ा मिलाऊंगा, इसका पालन करना आसान बनाने के लिए ...

0000 eb40               jmp         0x42

उस तालिका को छोड़ दें जिसमें कोड्स> = 0x80 <0xa0 हैं, जो यूनिकोड कोड को दर्शाता है।

data db ACh,20h, 00h,00h, 1Ah,20h, ...

अमान्य लोगों को 0 के रूप में एन्कोड किया गया है, उन्हें कुछ भी मैप नहीं किया गया है

0075 b440               mov         ah, 0x40   
0077 8805               mov         [di], al   
0079 b301               mov         bl, 0x1    
007b cd21               int         0x21       
007d c3                 ret                    

हेल ​​प्रिंट फ़ंक्शन का उपयोग चार प्रिंट करने के लिए alकिया जाता है, कुछ समय के लिए कहा जाएगा।

0042 89f7               mov         di, si     
0044 46                 inc         si         
0045 46                 inc         si         
0046 89fa               mov         dx, di     
0048 89d9               mov         cx, bx     
004a 41                 inc         cx         
004b 43                 inc         bx         

रजिस्टर तैयार करें। डेटा 0x100 में पढ़ा जाएगा, siऊपर दिए गए अनुवाद तालिका में इंगित करें।

004c 4b                 dec         bx         
004d b43f               mov         ah, 0x3f   
004f cd21               int         0x21       
0051 85c0               test        ax, ax     
0053 7428               jz          0x7d       

स्टड से चार पढ़ें, 0x7d पर कूदें यदि ईओएफ।

सिडेनोट: यह वास्तव में एक छोटी (लेकिन बहुत अच्छी तरह से ज्ञात) चाल है, 0x7d शामिल है ret, यह कारण होगा pop sp, spएक सेगमेंट के अंत में प्रारंभ बिंदुओं पर, वहां है 00 00, और cs:0डॉस में शामिल है CD 20, जो आवेदन से बाहर निकलने का कारण बनता है।

0055 8a05               mov         al, [di]   
0057 3c80               cmp         al, 0x80   
0059 7305               jnc         0x60       
005b e81700             call        0x75       
005e ebec               jmp         0x4c       

यदि चार <0x80 है, तो इसे प्रिंट करें, और लूप की शुरुआत में जाएं (क्योंकि हेल्पर फ़ंक्शन BX को 1 पर सेट कर रहा है - stdout, कूदता है dec bx)

0060 3ca0               cmp         al, 0xa0   
0062 721a               jc          0x7e       
0064 d440               aam         0x40       
0066 0d80c0             or          ax, c080   
0069 50                 push        ax         
006a 86c4               xchg        ah, al     
006c e80600             call        0x75       
006f 58                 pop         ax         
0070 e80200             call        0x75       
0073 ebd7               jmp         0x4c       

यह भाग वर्णों के साथ व्यवहार करता है> = 0xa0, "उच्च" दो बिट्स और "कम" 6 बिट्स में ascii कोड को विभाजित करता है और दो बाइट्स के लिए utf-8 मास्क c080 लागू करता है, फिर दोनों को प्रिंट करता है

007e 2c80               sub         al, 0x80   
0080 d0e0               shl         al, 0x1    
0082 89c3               mov         bx, ax     
0084 8b00               mov         ax, [bx+si]
0086 89cb               mov         bx, cx     
0088 85c0               test        ax, ax     
008a 74c0               jz          0x4c       
008c 3dff07             cmp         ax, 07ff   
008f 7308               jnc         0x99       
0091 c1c002             rol         ax, 0x2    
0094 c0e802             shr         al, 0x2    
0097 ebcd               jmp         0x66       

यह हिस्सा वर्णों के साथ संबंधित है> = 0x80 <0xa0, यह शीर्ष पर तालिका में उचित utf-8 कोड पाता है, यदि कोड 0 के बराबर है, तो बस शुरुआत करने के लिए छोड़ दें, अगर यह 0x7ff (ergo: दो UTF-8 बाइट्स के नीचे आता है) , बस मान समायोजित करें और पिछले कोड को 0x166 पर फिर से उपयोग करें।

0099 50                 push        ax         
009a c1e80c             shr         ax, 0xc    
009d 0ce0               or          al, e0     
009f e8d3ff             call        0x75       
00a2 58                 pop         ax         
00a3 25ff0f             and         ax, 0fff   
00a6 c1c002             rol         ax, 0x2    
00a9 c0e802             shr         al, 0x2    
00ac 0d8080             or          ax, 8080   
00af 50                 push        ax         
00b0 86c4               xchg        ah, al     
00b2 ebb8               jmp         0x6c       

अंतिम भाग, उन कोडों से संबंधित है जो 0x7FF से ऊपर हैं, कम 12 बिट्स गिराएं, 0xE0 लागू करें ( संदर्भ के लिए UTF-8 एन्कोडिंग विवरण देखें ) और इसे प्रिंट करें, निचले 12 बिट्स को समायोजित करें और 8080 मास्क को लागू करें और फिर से उस हिस्से का पुनः उपयोग करें जो दो वर्णों को बाहर निकालता है ।

Answer 10

PHP + mbstring , 63 49 बाइट्स

<?=mb_convert_encoding($argv[1],'UTF8','CP1252');

यह mbstring की कमी के कारण TIO पर काम नहीं करता है। तीसरा पैरामीटर बल स्ट्रिंग की व्याख्या करने के लिए mbstring को Windows-1252 एन्कोड किया गया है

-14 बाइट्स इस्माइल मिगुएल को धन्यवाद

Comments

<?=mb_convert_encoding($argv[1],'UTF8','CP1252');<- और भी कम!

— इस्माइल मिगुएल

Answer 11

सी (जीसीसी) + libiconv, 119 117 बाइट्स

*f(s,t,u)void*s,*t,*u;{long i=strlen(s),j=i*4;u=t=malloc(j);iconv(iconv_open("UTF8","CP1252"),&s,&i,&u,&j);return t;}

इसे ऑनलाइन आज़माएं!

Comments

आपको इस मामले में भाषा को "C (gcc) + libiconv" में बदलना चाहिए

— ASCII-only

103 बाइट्स

— सीलिंगकैट