Programowanie w systemie UNIX/Kodowanie

 "Kompletne dzieła Szekspira, nieskompresowane, zajmują mniej więcej tyle samo miejsca, co 2 typowe zdjęcia zrobione nowoczesnym smartfonem (~5 megabajtów)."

Plik tekstowy (ang. text file) –

• zawartość : tekst: dane w postaci alfanumerycznej. Uwaga są plik zawierające tekst w formie binarnej ( pdf, doc)
• format pliku:
  • ciąg linii tekstu elektronicznego
  • nie jest plikiem binarnym
  • pozwala na otwarcie w edytorze tekstu

Typy

Podział klasyczny

• prosty tekst (ang. plain text) - niesformatowany
• bogaty tekst ( ang. rich text) - sformatowany

Podział plików tekstowych wg MIME

• text/1d-interleaved-parityfec
• text/cache-manifest appcache manifest
• text/calendar ics ifb
• text/cql CQL
• text/cql-extension
• text/cql-identifier
• text/css css
• text/csv csv
• text/csv-schema csvs
• text/dns soa zone
• text/encaprtp
• text/enriched
• text/example
• text/fhirpath
• text/flexfec
• text/fwdred
• text/gff3 gff3
• text/grammar-ref-list
• text/html html htm shtml
• text/javascript es js mjs
• text/jcr-cnd cnd
• text/markdown md markdown
• text/mizar miz
• text/n3 n3
• text/parameters
• text/parityfec
• text/plain txt text pot brf srt
• text/provenance-notation provn
• text/prs.fallenstein.rst rst
• text/prs.lines.tag tag dsc
• text/prs.prop.logic
• text/raptorfec
• text/RED
• text/rfc822-headers
• text/rtf
• text/rtp-enc-aescm128
• text/rtploopback
• text/rtx
• text/SGML sgml sgm
• text/shaclc shaclc shc
• text/shex shex
• text/spdx spdx
• text/strings
• text/t140
• text/tab-separated-values tsv
• text/texmacs tm
• text/troff t tr roff
• text/turtle ttl
• text/ulpfec
• text/uri-list uris uri
• text/vcard vcf vcard
• text/vnd.a a
• text/vnd.abc abc
• text/vnd.ascii-art ascii
• text/vnd.curl curl
• text/vnd.debian.copyright copyright
• text/vnd.DMClientScript dms
• text/vnd.dvb.subtitle
• text/vnd.esmertec.theme-descriptor jtd
• text/vnd.familysearch.gedcom ged
• text/vnd.ficlab.flt flt
• text/vnd.fly fly
• text/vnd.fmi.flexstor flx
• text/vnd.gml
• text/vnd.graphviz gv dot
• text/vnd.hans hans
• text/vnd.hgl hgl
• text/vnd.in3d.3dml 3dml 3dm
• text/vnd.in3d.spot spot spo
• text/vnd.IPTC.NewsML
• text/vnd.IPTC.NITF
• text/vnd.latex-z
• text/vnd.motorola.reflex
• text/vnd.ms-mediapackage mpf
• text/vnd.net2phone.commcenter.command ccc
• text/vnd.radisys.msml-basic-layout
• text/vnd.senx.warpscript mc2
• text/vnd.sosi sos
• text/vnd.sun.j2me.app-descriptor jad
• text/vnd.trolltech.linguist ts
• text/vnd.wap.si si
• text/vnd.wap.sl sl
• text/vnd.wap.wml wml
• text/vnd.wap.wmlscript wmls
• text/vtt vtt
• text/x-bibtex bib
• text/x-boo boo
• text/x-c++hdr h++ hpp hxx hh
• text/x-c++src c++ cpp cxx cc
• text/x-chdr h
• text/x-component htc
• text/x-csh csh
• text/x-csrc c
• text/x-diff diff patch
• text/x-dsrc d
• text/x-haskell hs
• text/x-java java
• text/x-lilypond ly
• text/x-literate-haskell lhs
• text/x-moc moc
• text/x-pascal p pas
• text/x-pcs-gcd gcd
• text/x-perl pl pm
• text/x-python py
• text/x-scala scala
• text/x-setext etx
• text/x-sfv sfv
• text/x-sh sh
• text/x-tcl tcl tk
• text/x-tex tex ltx sty cls
• text/x-vcalendar vcs
• text/xml
• text/xml-dtd
• text/xml-external-parsed-entity

Przykłady prostych plików tekstowych:

• zwykły tekst (rozszerzenie txt)
• kody źródłowe programów
  • plik z kodem w języku C = (ASCII text)
• csv
• ical
• łaty i różnice
• skrypty

csv

Przykładowy csv, który może być zaimportowany do kalendarza:

Subject,Start Date,Start Time,End Date,End Time,All Day,Description
My important event,04/19/2012,6:00pm,04/19/2012,9:00pm,false,Longer Description
An all-day event,04/19/2012,,04/19/2012,,true,Missing times are OK
A multi-day event,04/19/2012,6:00pm,04/20/2012,6:00pm,false,Start date and end date are different

pliki konfiguracyjne

Biblioteka

• TOML ( Tom's Obvious Minimal Language) -A config file format for humans

Grafika ASCI

Grafika ASCI ( ASCI-Art)

Directory content

docs/
├── img/            # Image dir
├── include/        # TeX and HTML options
├── parts/          # Markdown content
├── _bookdown.yml   # bookdown options
├── _output.yml     # rmd output options
├── book.pdf        # PDF output
├── index.html      # HTML output
├── main.rmd        # main MD file
├── Makefile
└── README.md

Grafika Unicode

Grafika Unicode

  ┌─head─┐     ┌──value──┐       ┌──value──┐
  │   ├───────►│    4    │       │    0    │
  └──────┘     ├───next──┤       ├───next──┤
               │    ├───────────►│   NULL  │
               └─────────┘       └─────────┘

ical

Plik iCalendar służy do zapisu danych kalendarzy.

• Pierwszy wiersz w pliku iCalendar zawiera nagłówek = BEGIN: VCALENDAR
• ostatni wiersz pliku ( stopka) = END:VCALENDAR.
• Pomiędzy powyższymi wierszami wprowadzane są wydarzenia.
  • wydarzenie musi być ujęte w wiersze BEGIN:VEVENT i END:VEVENT.

BEGIN: VCALENDAR 
BEGIN:VEVENT 
(szczegóły pojedynczego wydarzenia) 
END:VEVENT 
BEGIN:VEVENT 
(szczegóły pojedynczego wydarzenia) 
END:VEVENT 
END:VCALENDAR

biblioteki:

• libical
• gcalcli

Budowa

Prosty plik tekstowy:

• składa się ze znaków
• znaki mogą być pogrupowanych w wyrazy i linie. Wtedy plik może zawierać znaki końca linii (EOL)
• plik może się rozpoczynać znakiem kolejności bajtów (BOM)
• plik jest zakończony znakiem końca pliku (EOF).

Linia jest to ciąg znaków (drukowalnych i niedukowalnych) zakończony znakiem końca linii

Linię możemy podzielić na wyrazy rozdzielone spacjami

Sygnatura pliku

• sygnatura pliku w wikipedii
• BOM

Kodowanie

Co każdy programista powinien wiedzieć o

• kodowaniu wg Davida C. Zentgrafa
• zestawach znaków wg Joel Spolsky

Kod alfanumeryczny

Kod alfanumeryczny (ang. alphanumeric code) – kod, w którym do zapisu tekstów i liczb, przedstawianych jako ciągi cyfr, używa się określonych w danym kodzie znaków

Standardy kodowania

Standardy ( strony kodowe, ang. code page)

• ASCII
  • W stronach kodowych zgodnych z ASCII dolne 128 znaków zachowało swoje standardowe wartości US-ASCII
• UTF-8
• ISO 8859
• Unicode ISO 10646
• EBCDIC
• Windows-1250.

Niektóre ze standardów kodowania dopuszczają także kody sterujące, znaki diakrytyczne i znaki specjalne np. Unicode.

Pojęcia

• standard kodowania: komputerowy standard kodowania zestawu znaków
• strona kodowa ( ang. "code page")- tabela zawierająca znaki i odpowiadające im kody
• Zestaw znaków ( charset)
• progam kodujący (ang. Character Map ) - graficzny program pokazujący znak dla odpowiedniego kodu i odwroitnie w różnych standardach kodowania

Dekodery

Dekoder znaków (ang. char) czyli jak sprawdzić znak?

• online
  • unicode-table check
  • Character Encoder / Decoder
  • Online Character Map
  • wikipedia kod znaku
  • Mausr - Marek's Unicode Symbols Recognizer
  • binary-to-ascii
  • coolsymbol - cool symbols and Font Styles | Emoji | Character Count Tool
• offline

Dekoder plików / tekstu

• • iconv
  • recode
  • motobit : Online Base64 decoder and encoder decoding and encoding texts and files

Testy

• strona testowa
  • Browser Test Page for Unicode Character
  • detexify : find a symbol in symbols-a4.pdf that you just can't memorize.
• offline
  • w konsoli

Jak sprawdzić kodowanie pliku w konsoli ?

Sprawdzanie za pomocą komendy file ( nazwa pliku i wynik przykładowe) :

file a.txt

a.txt: UTF-8 Unicode (with BOM) text, with very long lines

UTF-8

• jak korzystać w c

Za pomocą komendy od :

od -c babymonsterBUM.txt

przykładowy wynik :

0000000 357 273 277   s   i   z   e       2   0   0   0       1   0   0
0000020   0  \n   v   i   e   w       1   5   4       0   .   4   0   2
0000040   6   2   2   3   2   4   2   1   4   1   8   5   2   1   4   8
0000060   0   3   7   8   2   4   7   2   4   5   8   4   0   2   5   8
0000100   3   5   7   5   5   1   3   5   0   1   1   3   4   2   8   8
0000120   1   0   2   7   0   4   2   5   2   5   6   2   7   0   3   9
0000140   5   6   9   5   0   2   8   8   1   6   7   0   9   4   6   7
0000160   4   5   5   5   7   4   1   2   9   3   0   3   2   7   1   1
0000200   5   3   9   3   2   5   8   7   9   4   9   1   3   5   4   8
...
0010260   r   a   t   e   -   m   y   -   f   r   a   c   t   a   l   )
0010300   /   b   a   b   y   -   m   o   n   s   t   e   r   /  \n
0010317

Lub za pomocą edytora binarnego , np. beav, Jeex lub Okteta.

Typowe problemy

• kopiowanie i wklejanie powoduje że, zamiast oczekiwanego znaku otrzymujemy inny (zamiast minusa ...) .
• oznaczenie końca pliku ( EOF )
• lokalne konwencje ortograficzne:
  • kolejność alfabetyczna
  • translacja z różnych języków
• w URL spacja ( ang. URL encoding ): Adresy URL nie mogą zawierać spacji. Kodowanie adresu URL zwykle zastępuje spację znakiem plus "+" lub znakiem "%20". Problemy:
  • zamiast "_" jest oznaczna "%20"
  • stackoverflow : url-encoding-the-space-character-or-20 tutaj "%20" zamiast znaku plus "+"

Znaki

Najczęściej używane standardy kodowanie występujące w sieci

Znaki z punktu widzenia programisty dzielimy na:

• drukowalne
• niedrukowalne

Podział wg znaczenia :

• litery (ang. letter) (91.8%), podkategorie: duże (uppercase = Lu) , małe (ang. lowercase = Ll), tytułowe (titlecase = Lt), zmodyfikowane ( modifier = Lm)
• symbole (ang. symbol) : (5.0%), podkategoria: matematyczne (Symbol, math = Sm), zmodyfikowane (modifier = Sk), walutowe (currency = Sc)
• znaki (Mark) : (1.4%)
• cyfry (Number): 1,100 (1.0%)
• Punctuation: 598 (0.5%)
• inne (Other): 205 (0.2%)
• Separator: 20 (0.0%)

Klasy znaków ( character classes) wyrażeń regularnych Bash ( Bash Regular Expressions = BRE)

• [[:alpha:]] - matches any alphabetic character written in upper or lower case.
• [[:alnum:]]- matches any alphanumeric character - namely, the characters in the range 0-9, A-Z, a-z.
• [[:blank:]] - matches a space and a tab character.
• [[:digit:]]- any numeric character from 0to 9.
• [[:upper:]]- uppercase alphabetic characters - A-Z.
• [[:lower:]]- alphabetic characters in lower case - a-z.
• [[:print:]] - matches any printable character.
• [[:punct:]] - matches punctuation marks.
• [[:space:]]- whitespace, in particular - a space, a tab character, characters NL, FF, VT, CR.

Podział wg strony kodowej

• ascii
• unicode
  • UTF-8

Znaki drukowalne

Program drukuje znaki drukowalne ASCII:

// https://en.cppreference.com/w/c/language/ascii
// printtable ASCII
#include <stdio.h>
 
int main(void)
{
    puts("Printable ASCII:");
    for (int i = 32; i < 127; ++i) {
        putchar(i);
        putchar(i % 16 == 15 ? '\n' : ' ');
    }
}

Wynik:

Printable ASCII:
  ! " # $ % & ' ( ) * + , - . /
0 1 2 3 4 5 6 7 8 9 : ; < = > ?
@ A B C D E F G H I J K L M N O
P Q R S T U V W X Y Z [ \ ] ^ _
` a b c d e f g h i j k l m n o
p q r s t u v w x y z { | } ~

Podobne znaki

• ascii '-' ( Hyphen, dash, minus )
• UTF-8 characters:
  • kod = U+2212 ( MINUS SIGN )
  • kod = U+002D ( HYPHEN-MINUS )
  • kod = U+005F ( LOW LINE )
  • kod = U+00AF ( MACRON )
  • kod = U+2010 ( HYPHEN )
  • kod = u+2011 ( NON-BREAKING HYPHEN )
  • kod = U+2012 ( FIGURE DASH )
  • kod = U+2013 ( EN DASH )
  • kod = U+2014 ( EM DASH )
  • kod = U+268A ( MONOGRAM FOR YANG )

Read	Character	Unicode	ASCII	in URL	HTML notations
Minus	−	U+2212		%E2%88%92	− − −
Hyphen-minus	-	U+002D	-	%2D
Full-width Hyphen-minus	－	U+FF0D		%EF%BC%8D	－ －

Dywiz

Standard ASCII przewidywał wspólny znak dla:

• łącznika
• minusa
• myślnika

Wspólny znak kreski poziomej w zestawie znaków ASCII znajduje się na pozycji 45 i określany jest jako łącznik-minus (ang. hyphen-minus). Z punktu widzenia typografii jest to rozwiązanie daleko niewystarczające, ale podyktowane było względami technicznymi ówczesnego poziomu rozwoju technik informacyjnych. Kolejne wprowadzane w komputerach osobistych zestawy znaków były zgodne ze standardem ASCII, jednak zwiększały liczbę dostępnych znaków. Stosowany w polskiej wersji systemu Windows zestaw Windows-1250 zawiera obok znaku łącznika-minusa (Alt+045) również znaki półpauzy (Alt+0150) i pauzy (Alt+0151). Wprowadzony później standard Unikod (ang. Unicode) obejmujący wszystkie możliwe znaki wszystkich znanych języków, również zgodny ze standardem ASCII, zawiera znaki łącznika-minusa (U+002D), półpauzy (U+2013) i pauzy (U+2014), ale obok nich również znaki łącznika (U+2010) i minusa (U+2212). Typograficznie właściwym dla dywizu jest w Unikodzie znak (U+2010). W systemie Microsoft Windows większość znaków pisarskich, także tych nieumieszczonych na klawiaturze, dostępna jest poprzez Tablicę znaków (w menu Start/Programy/Akcesoria/Tablica znaków lub Start/Uruchom... wpisując 'charmap'). Znaki te można także wprowadzać z klawiatury posługując się skrótami z kodami znaków. Przykładowo znak łącznika/minusa może być wprowadzony kombinacją klawiszy Alt+045 (lewy Alt w przypadku ustawionej tzw. polskiej klawiatury programisty, kod znaku wprowadzany z numerycznej części klawiatury), znaki pauzy i półpauzy – odpowiednio skrótami: Alt+0151 i Alt+0150.

W systemie Mac OS z układem klawiatury angielskiej oraz polskiej programisty znak półpauzy wprowadza się skrótem Alt+-, a pauzy Alt+Shift+-, natomiast w układzie polskiej maszynistki znak półpauzy wprowadza się skrótem Alt+Shift+8, a pauzy Alt+/.
W systemach operacyjnych działających w środowiskach graficznych KDE i Gnome, takich jak np. Linux, wymienione znaki można wprowadzić z tablicy znaków bądź trzymając wciśnięty lewy ctrl i shift wpisać u2014 (pauza) lub u2013 (półpauza), bądź użyć klawisza compose (--- daje pauzę, a --. półpauzę).</ref>

Nazwa	Znak	Unicode	Kod HTML	Nazwa unikodowa
Dywiz (łącznik)		‐ lub ‐	HYPHEN
Łącznik-minus		- lub -	HYPHEN-MINUS
Minus		− lub − lub −	MINUS SIGN
Półpauza (myślnik)		– lub – lub –	EN DASH
Pauza (myślnik)		— lub — lub —	EM DASH
Kreska liczbowa		‒ lub ‒	FIGURE DASH

Poziome zestawienie powyższych znaków w tej samej kolejności:

‐ - − – — ‒

Podobnie jak większość zaawansowanych edytorów tekstów, standard Unicode przewiduje specjalne znaki dla specyficznych sytuacji, związanych z automatyzacją przetwarzania tekstu:

• miękki (opcjonalny) łącznik (U+00AD), który pozostaje ukryty, gdy znajduje się w środku wiersza, jest natomiast widoczny, gdy przypada na koniec wiersza;
• łącznik, po którym wyraz nie może być dzielony (U+2011), którego należy użyć na przykład w słowie K‑219.

Dywiz charakterystyczny m.in. dla polskiej ortografii, tj. łącznik stawiany na końcu wiersza i powtarzany na początku następnego, jak w poniższym przykładzie:

Akademia Górniczo-
-Hutnicza

można uzyskać przez kombinację miękkiego łącznika i łącznika niełamiącego.

Znaki niedrukowalne

• znaki specjalne

Przykłady:

• newline character (LF = Line Feed \n, \x0a)

Wyświetlanie znaków niedrukowalnych

• online
• w konsoli

(nazwa pliku przykładowa):

hl-nonprinting () { local C=$(printf '\033[0;36m') B=$(printf '\033[0;46m') R=$(printf '\033[0m') np=$(env printf "\u00A0\uFEFF"); sed -e "s/\t/${C}▹&$R/g" -e "s/$/${C}⁋$R/" -e "s/[$np]/${B}& $R/g";}

lub od = Octal Dump:

od -c p.txt # c same as -t c, select printable characters or backslash escapes

 od -tx1  file # output as a hexadecimal 1-byte units 

lub hexdump:

 hexdump -C file  # tell you byte-for-byte what the file actually contains

lub z użyciem sed

 sed -n 'l' myfile.txt

lub vim

 vi -b myfile.txt

lub otworzyć w LibreOffice Writer i zaznaczyć opcję pokaż Menu/Widok/Znaczniki formatowania

cat

   cat -t -e p.txt

Formatowanie pliku makefile sprawdzimy za pomocą:

  cat -e -t -v makefile

W wyniku:

• tabulatory jako ^I
• końcówki linii jako $

BOM

Unicode Byte-Order-Marker (BOM)

Znajdowanie plików z BOM :

grep -rl $'\xEF\xBB\xBF'

lub :

file * | grep UTF

albo znaleźć i usunąć BOM:

find . -type f -exec sed '1s/^\xEF\xBB\xBF//' -i.bak {} \; -exec rm {}.bak \;

lub dos2unix

W c:

// http://unicodebook.readthedocs.org/en/latest/guess_encoding.html
#include <string.h>   /* memcmp() */

const char *UTF_16_BE_BOM = "\xFE\xFF";
const char *UTF_16_LE_BOM = "\xFF\xFE";
const char *UTF_8_BOM = "\xEF\xBB\xBF";
const char *UTF_32_BE_BOM = "\x00\x00\xFE\xFF";
const char *UTF_32_LE_BOM = "\xFF\xFE\x00\x00";

char* check_bom(const char *data, size_t size)
{
    if (size >= 3) {
        if (memcmp(data, UTF_8_BOM, 3) == 0)
            return "UTF-8";
    }
    if (size >= 4) {
        if (memcmp(data, UTF_32_LE_BOM, 4) == 0)
            return "UTF-32-LE";
        if (memcmp(data, UTF_32_BE_BOM, 4) == 0)
            return "UTF-32-BE";
    }
    if (size >= 2) {
        if (memcmp(data, UTF_16_LE_BOM, 2) == 0)
            return "UTF-16-LE";
        if (memcmp(data, UTF_16_BE_BOM, 2) == 0)
            return "UTF-16-BE";
    }
    return NULL;
}

Kodowanie	Reprezentacja (hexadecimal)	Reprezentacja (decimal)	Bajty jako znaki CP1252
UTF-8	EF BB BF	239 187 191	
UTF-16 (BE)	FE FF	254 255	þÿ
UTF-16 (LE)	FF FE	255 254	ÿþ
UTF-32 (BE)	00 00 FE FF	0 0 254 255	␀␀þÿ (␀ refers to the ASCII null character)
UTF-32 (LE)	FF FE 00 00	255 254 0 0	ÿþ␀␀ (␀ refers to the ASCII null character)
UTF-7	2B 2F 76 38 2B 2F 76 39 2B 2F 76 2B 2B 2F 76 2F 2B 2F 76 38 2D	43 47 118 56 43 47 118 57 43 47 118 43 43 47 118 47 43 47 118 56 45	+/v8 +/v9 +/v+ +/v/ +/v8-
UTF-1	F7 64 4C	247 100 76	÷dL
UTF-EBCDIC	DD 73 66 73	221 115 102 115	Ýsfs
SCSU	0E FE FF	14 254 255	␎þÿ (␎ represents the ASCII "shift out" character)
BOCU-1	FB EE 28	251 238 40	ûî(
GB-18030	84 31 95 33	132 49 149 51	„1•3

Można go usunąć za pomocą:

sed '1 s/\xEF\xBB\xBF//' < input > output

Dodać:

printf("\xef\xbb\xbf");

EOL

Koniec linii (ang. End Of Line, EOL) – znak lub sekwencja znaków oznaczająca zakończenie linii tekstu.

Współczesne edytory tekstu zwykle obsługują wszystkie sposoby oznaczania końca linii. Wiele innych programów również przetwarza tekst niezależnie od tego, jaki rodzaj zakończenia linii w nim występuje, jednak nie można zakładać, że automatyczne rozpoznawanie formatu zawsze zadziała poprawnie.

Błędna identyfikacja oznaczenia końca linii może doprowadzić do traktowania plików binarnych jako tekstowych i na odwrót, co może powodować błędną interpretację zawartości przy odczycie lub uszkodzenie danych przy zapisie. W związku z tym istnieje możliwość wymuszenia otwarcia lub przesłania pliku w trybie tekstowym albo binarnym. W trybie tekstowym znaki końca linii mogą być automatycznie zamieniane na znaki stosowane natywnie w systemie docelowym, natomiast w trybie binarnym wszystkie znaki pozostają nienaruszone.

W różnych systemach operacyjnych stosuje się określone znaki końca linii:

• W systemach opartych na kodowaniu ASCII są to kombinacje kodów CR (ang. carriage return, szesnastkowo0x0D) i LF (ang. line feed, szesnastkowo 0x0A):
  • LF – w systemach: Unix, BeOS, AmigaOS, MorphOS, RISC OS, GNU/Linux, Mac OS X, Multics;
  • CRLF – w systemach: DOS, OS/2, Microsoft Windows, Symbian, DEC RT-11, w protokołach internetowych
  • CR – w systemach: Commodore, Apple II, Mac OS (do wersji 9), Microware OS-9.
• W systemach opartych na EBCDIC jest to kod NEL (ang. NExt Line, szesnastkowo 0x15).

EOF

znakiem końca pliku (EOF).

elementy przetwarzania tekstu

• usuwanie akcentów ( ang.Remove all accents)
• Convert to uppercase
• Convert to lowercase
• Base64 encode & decode
• ROT13 cipher tool
• String length calculator

info o pliku

• wc

String czyli łańcuchy znaków

• What every programmer should know about ‘String’ by Ahmed shamim hassan
• knuth-morris-pratt-string-matching by Nayuki

Dzielenie łańcuchów na słowa

• Bash Łańcuchy, znaki i tekst
  • Bash : Dzielenie_słów

Wczytywanie danych z pliku - parser

• mpc - A Parser Combinator library for C by Daniel Holden

Zobacz również

• The Raster Tragedy at Low-Resolution Revisited: Opportunities and Challenges beyond “Delta-Hinting” by Beat Stamm, PhD
• Dane tekstowe w obrazach (metadata)
• Zalgo text w ang wikipedii
• Przetwarzanie kodu źródłowego programu - makra preprocesora
• stackoverflow questions : detecting-programming-language-from-a-snippet
• Defines all Languages known to GitHub
• search code web page
• detect language
• Using Language Identifiers (RFC 3066) Copyright © 2004, 2005 Tex Texin, John Cowan. All rights reserved.
• detect programing language]
  • code detector
• konwersje:
  • Pandoc a universal document converter