Encoding

[jader.marques]

Boa tarde a todos.

Estou desenvolvendo um programa no qual uso a biblioteca glib.

Preciso converter uma string UTF-8 para ISO-8859-1 ou vice e versa, ou outros enconding, estou usando a função g_convert da glib.

Gostaria de saber como faço pra saber o encoding de um string?

Obrigado.

[Marcelo Utikawa da Fonseca]

Boa tarde!

Não existe uma forma de se descobrir pois não há na string um identificador.

Um exemplo seria o ISO-8859-1 e o UTF-8. Uma string apenas com os caracteres normais (letras sem acentuação, números) seria exatamente igual em ambas codificações. Já se tivesse um caracter acentuado, por exemplo, teria uma diferença.

Assim, o máximo que daria para fazer é tentar consistir os dados para verificar se o formato bate com algum padrão.

Exemplo: no UTF-8, os caracteres especiais podem ter até 4 bytes. A codificação é a seguinte:

Até 0x007F (7 bits), o valor resultante não é alterado: será apenas 1 byte, 0xxxxxxx em binário

Depois, até 0x07FF (11 bits), serão dois bytes no formato: 110xxxxx e 10xxxxxx

Ou seja: em uma string UTF-8, quando o oitavo bit de qualquer byte estiver ligado, indica que é um caracter com mais de 7 bits e portanto deverá obedecer a regra acima.

Pode ser um pouco complicado de entender mas, em resumo: sem saber a codificação original, o máximo que podemos fazer é tentar descobrir a codificação, sem qualquer garantia de estarmos certos ou não...