puchumx escribiste:estoy trabajando con la versión 5.8 de Perl.
Pero, ¿cuál? ¿La v5.8.0, la v5.8.8...? Es que de una versión a otra sí que pueden cambiar mucho las cosas, sobre todo en el tema de codificaciones.
puchumx escribiste:La codificación del UltraEdit que estaba usando era la "1252 (ANSI - Latín I)" (ahora la pasé a "28591 (ISO 8859-1 Latín I)") pero no funcionó.
Se trata de "Ver" en qué codificación está. Si no es con ninguna de esas, pues hay que seguir probando. Yo, en Linux, cuando no sé qué es lo que estoy viendo, uso un volcado hexadecimal para "ver los bytes":
Using text Syntax Highlighting
explorer@casa:/media/500_1/home/explorer/Documentos/Desarrollo> hexdump -C donquijoteparrafo1.txt
00000000 45 6e 20 75 6e 20 6c 75 67 61 72 20 64 65 20 6c |En un lugar de l|
00000010 61 20 4d 61 6e 63 68 61 2c 20 64 65 20 63 75 79 |a Mancha, de cuy|
00000020 6f 20 6e 6f 6d 62 72 65 20 6e 6f 20 71 75 69 65 |o nombre no quie|
00000030 72 6f 20 61 63 6f 72 64 61 72 6d 65 2c 20 6e 6f |ro acordarme, no|
00000040 20 68 61 20 6d 75 63 68 6f 0a 74 69 65 6d 70 6f | ha mucho.tiempo|
00000050 20 71 75 65 20 76 69 76 c3 ad 61 20 75 6e 20 68 | que viv..a un h|
00000060 69 64 61 6c 67 6f 20 64 65 20 6c 6f 73 20 64 65 |idalgo de los de|
00000070 20 6c 61 6e 7a 61 20 65 6e 20 61 73 74 69 6c 6c | lanza en astill|
00000080 65 72 6f 2c 20 61 64 61 72 67 61 20 61 6e 74 69 |ero, adarga anti|
00000090 67 75 61 2c 0a 72 6f 63 c3 ad 6e 20 66 6c 61 63 |gua,.roc..n flac|
000000a0 6f 20 79 20 67 61 6c 67 6f 20 63 6f 72 72 65 64 |o y galgo corred|
000000b0 6f 72 2e 20 55 6e 61 20 6f 6c 6c 61 20 64 65 20 |or. Una olla de |
000000c0 61 6c 67 6f 20 6d c3 a1 73 20 76 61 63 61 20 71 |algo m..s vaca q|
Coloreado en 0.000 segundos, usando
GeSHi 1.0.8.4
Aquí ya veo que los caracteres tildados ocupan dos bytes, y que todos ellos comienzan con el byte 0xc3, así que esto es un archivo escrito en UTF8.
También suelo usar el comando 'file':
Using text Syntax Highlighting
explorer@casa:/media/500_1/home/explorer/Documentos/Desarrollo> file donquijoteparrafo1.txt
donquijoteparrafo1.txt: UTF-8 Unicode text
Coloreado en 0.000 segundos, usando
GeSHi 1.0.8.4
Es más rápido
Bueno, pues si no es iso-8859-1 ni la latin1 versión 1252 de Windows, será otra (sospecho que puede ser EBCDIC
)
puchumx escribiste:Usamos la librería Convert::IBM390 y está bien configurada (aparentemente, es la correcta, la 284), así que tendría que leer cómo combinarla con la "Encode"...
Pues si funciona bien, déjala como está.
puchumx escribiste:Algo que me llamó la atención es lo que está seteado en la base de datos, que no corresponde a lo de Unix (no sé si por ahí viene el problema):
...
En cambio en Unix dice que estoy en "US", cuando debería estar en "ES", ¿no?
Bueno, entre la versión española y la norteamericana, hay unas diferencias, como el '
collating' (ordenación), fechas, horas, caracteres de separación de los millares y decimales... Pero esto se refiere a la
localización (particularidades de cada país). Estábamos hablando de la
codificación (tabla de caracteres).
puchumx escribiste:También me llama mucho la atención lo siguiente:
* CON LNS_LANG no seteado
Sin comprimir -> Ñ = ?
Usando Convert::IBM390, y Uedit de EBCDIC a ascii -> Ñ = ?
Bien... no es ASCII... ¿Qué es? ¿Qué byte(s) es/son?
puchumx escribiste:* CON LNS_LANG=AMERICAN_AMERICA.WE8ISO8859P1
Sin comprimir -> Ñ = Ñ
Usando Convert::IBM390, y Uedit de EBCDIC a ascii -> Ñ=# , ñ=|
La variable de entorno NLS_LAG (que no LNS_LANG) le indica a Oracle que nuestra aplicación/terminal trabaja en esa codificación, así que suponemos que entregará el resultado en esa codificación. Si nuestra terminal también está en is-8859-1, por eso podemos ver bien la 'Ñ' en pantalla. Otra cosa es lo que hace nuestro programa: ¿seguro que sabe que
ahora los datos que recibe desde la base de datos están en iso-8859-1?
puchumx escribiste:Desde Unix me dicen que está todo bien, que el
charset está funcionando bien y que ISO8859-1 es la configuración...
Bueno, pues ya tenemos una pista más.
puchumx escribiste:¡Ah!, intenté setear la variable LC_ALL para decirle a Perl que estoy usando caracteres españoles, pero al setearlo en el perl así:
use POSIX qw(locale_h);
setlocale(
LC_ALL,
"es_ES.ISO-8859-1"
)
or die "Fallo al setear la variable LC_ALL";
al correr el perl, en Unix me figura:
perl: warning: Setting locale failed.
perl: warning: Please check that your locale settings:
LC_ALL = "es_ES.ISO-8859-1",
LC__FASTMSG = "true",
LANG = "en_US"
are supported and installed on your system.
perl: warning: Falling back to the standard locale ("C").
Eso quiere decir que en ese sistema no están instaladas las tablas de localización para es_ES.ISO-8859-1. Deberás pedir a los administradores que las instalen.
Lo tienes comentado en
perllocale, sección
Permanently fixing your system's locale configuration.
Además, me genera bien el archivo si genero el mismo sin pasarlo a ebcdic (previo seteo del nls_lang), pero cuando lo paso a ebcdic con la librería y después lo paso a ascii nuevamente con el ultraedit, me aparece el carácter "#".
y encima no sé nada de Perl... 
