Vous pouvez convertir les codages de caractères d'un fichier texte par iconv(1) en effectuant ce qui suite :

$ iconv -f codage1 -t codage2 entrée.txt >sortie.txt

La valeur des codage n'est pas sensible à la casse et ignore « -  » et « _ » pour la correspondance. On peut vérifier quels sont les codage pris en charge à l’aide de la commande « iconv -l ».

Pour les jeux de caractères qui tiennent dans un seul octet tels que les jeux de caractères ASCII et ISO-8859, le codage des caractères signifie à peu près la même chose que le jeu de caractères.

Pour les jeux de caractères ayant de nombreux caractères tels que JIS X 0213 pour le japonais ou Universal Character Set (UCS, Unicode, ISO-10646-1) (jeu de caractère universel) pour pratiquement toutes les langues, il y a de nombreux schémas de codage pour les insérer dans les séquences d'octets de données.

Pour ceux-ci, il y a une différence claire entre le jeu de caractères et le codage des caractères.

Page de code est utilisée comme synonyme de table de codage de caractères pour certaines d'entre-elles spécifiques au fournisseur.

Vous pouvez vérifier si un fichier texte est codé en UTF-8 à l’aide d’iconv(1) en effectuant ce qui suite :

$ iconv -f utf8 -t utf8 input.txt >/dev/null || echo "Trouvé non-UTF-8"

Voici un exemple de script pour convertir le codage des noms de fichiers, dans un seul répertoire, depuis celui créé par un ancien système d'exploitation vers celui d'un système d'exploitation moderne en UTF-8.

#!/bin/sh
ENCDN=iso-8859-1
for x in *;
 do
 mv "$x" $(echo "$x" | iconv -f $ENCDN -t utf-8)
done

La variable « $ENCDN » devra être définie à la valeur du codage venant de Tableau 11.2, « Liste de valeurs de codage et leur utilisation ».

Pour les cas plus compliqués, veuillez monter le système de fichiers (par exemple une partition d'un disque dur) contenant de tels noms de fichiers avec le codage correct comme option de mount(8) (consultez Section 8.3.6, « Coder les noms de fichiers ») et copier son contenu complet vers un autre système de fichiers monté en UTF-8 avec la commande « cp -a ».

Le format de fichier texte, particulièrement le code de fin de ligne (EOL), dépend de la plateforme.

Les programmes de conversion du format des fins de lignes (EOL), fromdos(1), todos(1), frommac(1) et tomac(1) sont assez pratiques. recode(1) peut aussi être utile.

Il y a quelques programmes spécialisés dans la conversion des codes de tabulations.

indent(1) du paquet indent reformate complètement les espaces dans un programme en C.

Des programme d'édition tels que vim et emacs peuvent aussi être utilisés pour la conversion des tabulations. Par exemple avec vim, vous pouvez étendre les tabulation avec la séquence de commandes « :set expandtab » et « :%retab ». Vous pouvez revenir en arrière de cette conversion par la séquence de commandes « :set noexpandtab » et « :%retab! ».

Les éditeurs de textes modernes et intelligents comme le programme vim sont assez habiles et prennent assez bien en compte les système de codage des caractères et tous les formats de fichiers. Vous devriez utiliser ces éditeurs avec les paramètres linguistiques UTF-8 dans une console compatible avec UTF-8 pour une meilleure compatibilité.

Un ancien fichier texte UNIX d'Europe de l’Ouest, « u-file.txt » enregistré dans le codage latin1 (iso-8859-1) peut être édité avec vim de la manière suivante :

$ vim u-file.txt

C'est possible car le mécanisme d'autodétection du codage du fichier dans vim suppose d'abord que le codage est UTF-8 et, s'il échoue, suppose qu'il est latin1.

Un ancien fichier texte en polonais, « pu-file.txt », enregistré avec le codage latin2 (iso-8859-2) peut être édité avec vim de la manière suivante :

$ vim '+e ++enc=latin2 pu-file.txt'

Un ancien fichier texte UNIX en japonais, « ju-file.txt », enregistré avec le codage eucJP peut être édité avec vim de la manière suivante :

$ vim '+e ++enc=eucJP ju-file.txt'

Un ancien fichier MS-Windows en japonais, « jw-file.txt », enregistré dans le codage appelé shift-JIS (plus précisément : CP932) peut être édité avec vim de la manière suivante :

$ vim '+e ++enc=CP932 ++ff=dos jw-file.txt'

Lorsqu'un fichier est ouvert avec les options « ++enc » et « ++ff », « :w » sur la ligne de commandes de Vim l’enregistre dans son format d'origine et écrase le fichier d'origine. Vous pouvez aussi indiquer le format d'enregistrement et le nom du fichier sur la ligne de commandes de Vim, par exemple, « :w ++enc=utf8 nouveau.txt ».

Veuillez vous rapporter à mbyte.txt « multi-byte text support » dans l’aide en ligne de vim et Tableau 11.2, « Liste de valeurs de codage et leur utilisation » pour les valeurs de paramètres linguistiques utilisés avec « ++enc ».

La famille de programmes emacs peut effectuer des fonctions équivalentes.

Ce qui suit permet de lire une page web sous forme de fichier texte. C'est très utile pour copier des informations de configuration depuis le Web ou pour appliquer des outils textuels de base d’UNIX comme grep(1) à la page web .

$ w3m -dump http://www.site-distant.com/help-info.html >fichier-texte

De la même manière, vous pouvez extraire des données en texte brut vers d'autres formats en utilisant ce qui suit :.

Vous pouvez mettre en évidence et formater des données en texte brut de la manière suivante :

Le texte en XML ressemble un peu à HTML. Il vous permet de gérer de nombreux format de sortie pour un document. Un système XML facile est le paquet docbook-xsl qui est utilisé ici.

Chaque fichier XML commence par la déclaration XML standard suivante :

<?xml version="1.0" encoding="UTF-8"?>

La syntaxe de base d'un élément XML est balisée de la manière suivante :

<name attribute="value">contenu</nom>

Un élément XML dont le contenu est vide est balisé de la façon raccourcie suivante :

<name attribute="value"/>

« attribute="value" » dans les exemples ci-dessus es optionnel.

L’action commentaire en XML est balisée comme suit :

<!-- comment -->

En plus d'ajouter des balises, XML demande des conversion mineures de contenu en utilisant des entités prédéfinies pour les caractères suivants :

Il existe de nombreux outils pour traiter les fichiers XML tels quele langage extensible de feuilles de style (« the Extensible Stylesheet Language XSL «).

De base, une fois créé un fichier XML correctement formaté, vous pouvez le convertir vers n'importe quel format en utilisant le langage extensible de transformation des feuilles de style (XSLT) (« Extensible Stylesheet Language Transformations  »).

Le Langage extensible de feuilles de style pour le formatage des objets (XSL-FO) (« Extensible Stylesheet Language for Formatting Object  » est censé être la solution au formatage. Le paquet fop se trouve encore dans l’archive contrib de Debian (pas dans main). Le code LaTeX est donc habituellement créé depuis XML en utilisant XSLT, et le système LaTeX est utilisé pour créer des fichiers imprimables comme DVI, PostScript et PDF.

Comme XML est un sous-ensemble du Langage généralisé de balisage ( Standard Generalized Markup Language SGML »), il peut être traité par les nombreux outils disponibles pourSGML, comme Document Style Semantics and Specification Language (DSSSL).

Vous pouvez extraire des données HTML ou XML depuis d'autres formats en utilisant ce qui suit :

Vous pouvez convertir les fichiers HTML non-XML en XHTML qui est une instance XML correctement formatée. XHTML peut être traité par les outils XML.

Une fois qu'un fichier XML propre est créé, vous pouvez utiliser la technologie XSLT pour extraire des données dans le contexte de balisage, etc.

Le cœur de la manipulation des données imprimables est l’interpréteur Ghostscript PostScript (PS) qui génère une image tramée (« raster image »).

La licence de la dernière version amont de Ghostscript par Artifex a été modifiée d'AFPL ver GPL et fusionnée avec les dernières modifications de version d'ESP telles que celles relatives à CUPS version 8.60 sous forme d'une version unifiée.

Vous pouvez fusionner deux fichiers PostScript (PS) ou Portable Document Format (PDF) en utilisant gs(1) de Ghostscript.

$ gs -q -dNOPAUSE -dBATCH -sDEVICE=pswrite -sFichierSortie=blabla.ps -f toto1.ps toto2.ps
$ gs -q -dNOPAUSE -dBATCH -sDEVICE=pdfwrite -sFichierSortie=blabla.pdf -f toto1.pdf toto2.pdf

Les paquets suivants fournissant des utilitaires pour les données imprimables ont attiré mon attention :

Les commandes lp(1) et lpr(1) proposées par le Common UNIX Printing System (CUPS) fournissent toutes deux des options de personnalisation des données imprimables.

Vous pouvez imprimer 3 copies d'un fichier en utilisant une des commandes suivantes :

$ lp -n 3 -o Collate=True NomFichier

$ lpr -#3 -o Collate=True NomFichier

Vous pouvez personnaliser davantage le fonctionnement de l’imprimante en utilisant des options d'impression telles que « -o number-up=2 », « -o page-set=even », « -o page-set=odd », « -o scaling=200 », « -o natural-scaling=200 », etc., documentée sur Impression et options en ligne de commande.

Traditionnellement, roff est le système de traitement de texte principal sous UNIX. Consultez roff(7), groff(7), groff(1), grotty(1), troff(1), groff_mdoc(7), groff_man(7), groff_ms(7), groff_me(7), groff_mm(7), et« info groff ».

Vous pouvez lire pu imprimer un bon didacticiel et document de référence sur la macro « -me » dans « /usr/share/doc/groff/ » en installant le paquet groff.

La distribution logicielle TeX Live offre un système TeX complet. Le métapaquet texlive fournit une sélection acceptable des paquets de TeX Live qui devrait suffire aux tâches les plus courantes.

De nombreuses références sont disponibles pour TeX et LaTeX :

C'est l’environnement de composition typographique le plus puissant. De nombreux processeurs SGML l’utilisent comme processeur de texte en « backend ». Lyx qu'on trouvera dans le paquet lyx et GNU TeXmacs qui provient du paquet texmacs offrent un environnement d'édition agréable en mode WYSIWYG pour LaTeX bien que nombreux sont ceux qui choisissentd'utiliser Emacs et Vim pour éditer les sources.

De nombreuses ressources sont disponibles en ligne :

Lorsque les documents deviennent plus importants, TeX cause parfois des erreurs.Vous devez augmenter la taille de l’espace dans « /etc/texmf/texmf.cnf » (ou, de manière plus rigoureuse, éditez « /etc/texmf/texmf.d/95NonPath » et lancez update-texmf(8)) afin de corriger cela.

Ce fichier contient la plupart des macros nécessaires. J’ai entendu dire que vous pouvez traiter ce document avec tex(1) après avoir commenté les lignes 7 à 10 et ajouté « \input manmac \proofmodefalse ». Je recommande vivement l’achat de ce livre (et de tous les autres livres de Donald E. Knuth) plutôt que d'utiliser la version en ligne mais les sources sont un très bon exemple d'entrée de TeX !

Vous pouvez imprimer convenablement une page de manuel en PostScript en utilisant l’une des commandes suivantes :

$ man -Tps une_page_de_manuel  lpr

$ man -Tps une_page_de_manuel | mpage -2 | lpr

Le deuxième exemple imprime deux pages par feuille.

Bien que l’écriture d'une page de manuel (manpage) dans le format troff brut soit possible, il existe quelques paquets facilitant cette tâche :

Les données (SMTP) de courrier électroniques doivent être limitées 7 bits. Les données binaires et les données textuelles sur 8 bits sont codées dans un format sur 7 bits avec Multipurpose Internet Mail Extensions (MIME) et la sélection du jeu de caractères (consultez Section 8.3.1, « Bases du codage »).

Le format standard d'enregistrement du courrier électronique est formaté en « mbox » selon la RFC2822 (RFC822 mise à jour). Consultez mbox(5) (fournie par le paquet mutt.

Pour les langues européennes, on utilise habituellement pour le courriel « Content-Transfer-Encoding: quoted-printable » avec le jeu de caractères ISO-8859-1 car il n'y a pas beaucoup de caractères de 8 bits. Si le texte européen est codé en UTF-8, on préférera utiliser « Content-Transfer-Encoding: quoted-printable » car ce sont essentiellement des données sur 7 bits.

Pour le japonais, « Content-Type: text/plain; charset=ISO-2022-JP » est habituellement utilisé pour le courriel afin de conserver le texte sur 7 bits. Mais les anciens systèmes Microsoft peuvent envoyer des données de courriel en Shift-JIS sans le déclarer proprement. Si le texte japonais est codé en UTF-8, on utilisera de préférence Base64 car il comporte de nombreuses données sur 8 bits. La situation des autres langues asiatiques est similaire.

Vous pouvez éclater le contenu d'une boîte à lettre en messages séparés en utilisant procmail(1) et formail(1).

Chaque message de courrier électronique peut être dépaqueté en utilisant munpack(1) qui provient du paquet mpack (ou d'autres outils spécialisés) afin d'en obtenir le contenu codé en MIME.