Squeak Monticello字符编码

Question

对于一个工作项目，我使用的是无头Squeak (无显示，远程) Linuxserver，也使用Squeak在Windows开发人员机器上。

开发人员机器上的代码使用Monticello进行管理。不幸的是，我不得不使用SFTP将mcz复制到服务器上(例如，由于安全原因，服务器上不可能有一个推送存储库)。然后，代码由例如：

MczInstaller installFileNamed: 'name-b.18.mcz'.

一般都能用。

不幸的是，我们的代码库包含包含Umlauts和其他非ascii字符的字符串。在Monticello-重新导入过程中，其中一些被替换为其他字符，而一些被替换为一无所有。

我也试过了。

MczInstaller installStream: (FileStream readOnlyFileNamed: '...') binary

(注意..mcz实际上是..zip的，所以二进制应该是合适的，我想这是默认的)

找出如何使蒙蒂塞洛的转会保本( internal-encoding of non‘s)是我问题的主要目标。将所有源代码更改为仅使用ascii字符串(至少在此代码库中是如此)并不那么可取，因为需要手工操作。如果您对为什么不是简单的grep替换感兴趣，请阅读下面的注释：

(附带注意：(一个简化/特例)代码基使用Side的#text:方法来呈现包含必须由html-转义的字符的字符串。这适用于我们的非ascii，例如，它将ä转换为ä，如果我们要grep-显式地用ä替换文字，那么我们将不得不使用#html:方法(否则双转义)，但是这将要求我们替换所有其他必须为html转义的字符(例如&)，但是源代码本身也包含这样的字符。还有其他一些情况，比如一些使用第三方字符串的#text:s，它们可能不会被#html的.取代。)

Answer 1

Squeak内部使用unicode (ISO 10646)对字符串中的字符进行编码。

它可能对16r80到: 16r9F范围内的字符使用像CP1252这样的扩展，但我现在不太确定了。

字符代码是按照流source.st上的方式编写的，当所有字符都是<= 16 all时，这些代码是由ByteString的单个字节组成的。在这种情况下，文件应该看起来像在ISO-8859-L1或CP1252编码。

如果您的字符代码>16 you，则在Squeak中使用WideString。同样，代码是按照流source.st上的方式编写的，但这一次是32位代码(按大端顺序编写)。从技术上讲，编码是UTF-32BE。

那么MczInstaller是做什么的呢？它使用快照/source.st e.st文件，并使用setConverterForCode读取该文件，该文件要么是UTF-8，要么是MacRoman.因此，非ASCII字符可能会被更改，如果WideString被重新解释为ByteString，情况就更糟了。

MC本身并不使用存档中的快照/source.st e.st成员。

相反，它使用snapshot.bin (参见MCMczReader，MCMczWriter中的代码)。

这是一个二进制文件，其格式由DataStream控制。

您应该使用的代码片段是：

MCMczReader loadVersionFile: 'YourPackage-b.18.mcz'

Answer 2

Monticello并不真正了解字符编码。我不知道squeak的当前情况，但我最后一次调查它时，有一个假定的latin1字符编码。但这意味着它应该在你的情况下完美无缺地工作。

不管怎么说，如果你是从同一种图像上写作和阅读的话，它应该能起作用。如果正确的字符编码通常失败，内部字节表示将从内存写入磁盘。虽然这样可以防止任何跨方言的包交换，但如果使用相同的图像类型，则应该可以工作。

无论如何，有些事情应该或可能奏效，但它们经常出错。因此，大多数项目都试图避免在代码中使用非7位字符。您不需要将非7位字符转换为HTML实体。您可以使用

Character value: 228

用于在不使用非7位字符的情况下生成代码。对于每个您想要添加转换的字符，您可以这样做。

$ä asciiValue => 228

我知道这不是一些人想得到的答案。但是monticello是这些东西之一，仍然需要为正确的字符编码进行调整。