Převod souboru TXT do ASCII

Starší aplikace, sériové zařízení, rutina importu nebo pravidlo správy zdrojového kódu může odmítat UTF-8 a přijímat pouze 7bitové ASCII. Převod mění kódování znaků a může vyžadovat nahrazení znaků, které ASCII nedokáže reprezentovat.

Co obsahují soubory TXT

TXT je přípona názvu souboru pro prostý text, nikoli pevně dané kódování znaků. Textové editory, exportéry protokolů, vývojáři a uživatelé kancelářských aplikací vytvářejí soubory .txt v kódování UTF-8, UTF-16, Windows-1252 a dalších kódováních.

Soubor s názvem notes.txt proto automaticky neznamená ASCII. UTF-8 je obvyklým současným výchozím kódováním, protože podporuje znaky s diakritikou, typografickou interpunkci, nelatinková písma a emoji.

Co znamená ASCII

ASCII je 7bitová znaková sada se 128 hodnotami reprezentovanými bajty 0x00 až 0x7F. Podporuje anglická písmena, číslice, základní interpunkci, tabulátory a řídicí znaky, jako jsou návrat vozíku a posun řádku.

ASCII nedokáže reprezentovat znaky jako é, —, £, typografické uvozovky, cyrilici, čínské znaky nebo emoji. Jeho výhodami jsou předvídatelné jednobajtové znaky a kompatibilita se systémy, které výslovně vyžadují 7bitový vstup.

ASCII je kódování, nikoli samostatný formát textového souboru. Přijímající systém může vyžadovat název souboru s příponou .asc, .ascii nebo .txt, ale samotná změna přípony nezmění bajty souboru.

Převod s přísnou kontrolou chyb

Pokud je to možné, zjistěte zdrojové kódování z programu, který soubor vytvořil. V systémech macOS nebo Linux může příkaz file -bi input.txt poskytnout užitečnou nápovědu, jeho výsledek však není definitivní.

V systémech macOS nebo Linux použijte iconv, který se zastaví, když vstup obsahuje nereprezentovatelný znak:

iconv -f UTF-8 -t ASCII input.txt -o output.txt

V případě potřeby nahraďte UTF-8 skutečným vstupním kódováním, například WINDOWS-1252, UTF-16LE nebo UTF-16BE. Neúspěšný příkaz může zanechat částečný výstupní soubor; zkontrolujte jeho návratový stav a při chybě výstup odstraňte.

Python poskytuje stejný přísný převod v systémech Windows, macOS i Linux:

python -c "from pathlib import Path; s=Path('input.txt').read_bytes().decode('utf-8-sig'); Path('output.txt').write_bytes(s.encode('ascii'))"

Tento příkaz přijímá UTF-8 s označením pořadí bajtů UTF-8 i bez něj a vyvolá chybu, místo aby nepodporované znaky tiše změnil. Hodnotu utf-8-sig změňte až po potvrzení, že zdroj používá jiné kódování.

K prohlížení a úpravám zdroje použijte Visual Studio Code nebo jiný editor a poté spusťte převod lokálně z jeho integrovaného terminálu. Visual Studio Code může také použít View → Command Palette → Change File Encoding → Save with Encoding a možnost ASCII, pokud je k dispozici, ale editory mohou nepodporované znaky nahradit, místo aby selhaly; pro identifikátory, záznamy a další přesná data použijte přísný příkaz.

Volte náhrady uvážlivě

Pokud je změna textu přijatelná, GNU iconv se může pokusit o transliteraci:

iconv -f UTF-8 -t ASCII//TRANSLIT input.txt -o output.txt

Transliterace může převést é na e a typografické uvozovky na rovné uvozovky. Výsledky se liší podle operačního systému a knihovny a znaky bez rozumné náhrady mohou být stále vynechány nebo mohou způsobit chybu. U řízených dat nahraďte znaky před převodem explicitně a zkontrolujte každou změnu.

Nepoužívejte nastavení Windows Notepad Save As → ANSI jako převod do ASCII. „ANSI“ obvykle znamená aktivní znakovou stránku Windows, například Windows-1252, která umožňuje bajty nad 0x7F.

Ověřte kompatibilitu cílového systému

Potvrďte, že přijímající systém skutečně vyžaduje 7bitové ASCII, nikoli Windows-1252, „ANSI“ nebo blíže neurčenou rozšířenou znakovou stránku ASCII. Extended ASCII není jediným standardem; stejný bajt může v různých znakových stránkách znamenat různé znaky.

Zkontrolujte ve výstupu změněnou interpunkci, odstraněné symboly, změny šířky polí a požadované konce řádků. Text ASCII obvykle používá LF v systémech podobných Unixu a CRLF v mnoha importecha zaměřených na Windows; převod kódování je nemusí nutně změnit. Přísný výstup ASCII nesmí obsahovat označení pořadí bajtů UTF-8.

Většina online konvertorů TXT založených na nahrávání souborů jasně neuvádí své výstupní kódování ani pravidla nahrazování. U citlivých souborů nebo přísných importů používejte lokální nástroje; online službu použijte pouze tehdy, pokud výslovně nabízí výstup US-ASCII, dokumentuje zpracování nepodporovaných znaků a její zásady ochrany soukromí nahrávání dovolují.