gvim下euc-cn与cp936编码的异同

[sarrow]

在gvim下，euc-cn与cp936编码有什么异同？

我新建文件的时候，gvim总是默认给我euc-cn的编码。而我经常会遇到保存出错的清空——
gvim提示我，将fencoding置空；

而我执行：
:set fencoding=cp936
再
:w
就没问题了。

两者的字符集不完全一致，还是根本就是两码事？

另外，建议使用utf8编码的，我想说utf8可以说是通吃编码，但个人不是很喜欢它——毕竟
，纯中文的文件的话，这个编码要比cp936多费一半的存储空间。

[sarrow]

EUC-CN
http://baike.baidu.com/view/968237.htm
　　EUC-CN是GB2312最常用的表示方法。浏览器编码表上的“GB2312”，通常都是指“EUC-CN”表示法。
　　GB 2312字元使用两个字节来表示。
　　“第一位字节”使用0xA1-0xFE
　　“第二位字节”使用0xA1-0xFE
　　举例来说，“啊”字是GB 2312之中的第一个汉字，它的区位码是1601。
　　在EUC-CN之中，它把0xA0+16=0xB0,0xA0+1=0xA1，得出0xB0A1。
=======================================================
　GBK
　　GBK编码是GB2312编码的超集，向下完全兼容GB2312，同时GBK收录了Unicode基本多文种平面中的所有CJK汉字。同 GB2312一样，GBK也支持希腊字母、日文假名字母、俄语字母等字符，但不支持韩语中的表音字符（非汉字字符）。GBK还收录了GB2312不包含的 汉字部首符号、竖排标点符号等字符。
　　GBK的整体编码范围是为0x8140-0xFEFE，不包括低字节是0×7F的组合。高字节范围是0×81-0xFE，低字节范围是0x40-7E和0x80-0xFE。
　　低字节是0x40-0x7E的GBK字符有一定特殊性，因为这些字符占用了ASCII码的位置，这样会给一些系统带来麻烦。
　　有些系统中用0x40-0x7E中的字符（如“|”）做特殊符号，在定位这些符号时又没有判断这些符号是不是属于某个 GBK字符的低字节，这样就会造成错误判断。在支持GB2312的环境下就不存在这个问题。需要注意的是支持GBK的环境中小于0x80的某个字节未必就 是ASCII符号；另外就是最好选用小于0×40的ASCII符号做一些特殊符号，这样就可以快速定位，且不用担心是某个汉字的另一半。Big5编码中也存在相应问题。
　　CP936和GBK的有些许差别，绝大多数情况下可以把CP936当作GBK的别名。

[sarrow]

晕，我需要在ubuntu和windows两个世界混，这个文本编码，选哪一个好点？

按我搜到的说法，貌似：

cp936 > euc-cn

[lilydjwg]

如果不用 UTF-8，建议使用 cp936 （可能是 GBK 或者 GB18030）。euc-cn 应该只有 GB2312 部分。

参考：
* https://en.wikipedia.org/wiki/EUC-CN#EUC-CN
* https://en.wikipedia.org/wiki/Code_page_936

另外，建议使用 UTF-8。如果你觉得浪费存储空间的话，可以 gzip 一下。不过，你的磁盘快用尽了吗？

[sarrow]

如果不用 UTF-8，建议使用 cp936 （可能是 GBK 或者 GB18030）。euc-cn 应该只有 GB2312 部分。

参考：
* https://en.wikipedia.org/wiki/EUC-CN#EUC-CN
* https://en.wikipedia.org/wiki/Code_page_936

另外，建议使用 UTF-8。如果你觉得浪费存储空间的话，可以 gzip 一下。不过，你的磁盘快用尽了吗？

你好，小狐狸。很高兴又看到你；很遗憾你又碰到我了。

你有什么办法，固定写txt档时的编码吗？我希望cp936作为基本；utf8作为当前无法保存时
候的补充。另外，有什么插件（vim），或者脚本（非vim）能检查“最可适”编码吗？

保存文本的时候，老是会遇到这样的问题——“重新设定fenc，置空”。我希望能尽可能自
动化一点。

还有，vim能检查非法的utf8字符——有快捷键的，好像是8g8。

有检查非法的cp936字符的快捷键吗？

[Fermat618]

如果你真的在乎文本文本所占的那一丁点硬盘的话，vim 对 .gz 等压缩文件可以在打开时自动解压，保存时自动压缩。

用GB2312保存的时候不出问题那是运气相当好。GBK 中文方面好一点，但想放个音标或者是外国佬名字就会出问题。
想自动清除fenc也简单, 用个 try catch 就好了
[vim]
try
w
catch /E513/
set fenc=
w
endtry
[/vim]
放到个函数里面，再做条自定义命令，以后用那条命令来执行保存。

我不设fileencoding的，默认utf8保存，不会出你的问题。

[lilydjwg]

你好，小狐狸。很高兴又看到你；很遗憾你又碰到我了。

你有什么办法，固定写txt档时的编码吗？我希望cp936作为基本；utf8作为当前无法保存时
候的补充。另外，有什么插件（vim），或者脚本（非vim）能检查“最可适”编码吗？

保存文本的时候，老是会遇到这样的问题——“重新设定fenc，置空”。我希望能尽可能自
动化一点。

还有，vim能检查非法的utf8字符——有快捷键的，好像是8g8。

有检查非法的cp936字符的快捷键吗？

前边一个需求 Fermat 已经说了，后面一个嘛，你可以用 iconv 或者 Python 来搞定。

最后：表叫人家小狐狸啦！

[sarrow]

多谢六楼——原来还有try-catch这对宝贝。都把他们忘记了。

不过，你这样弄，貌似要改变操作习惯——你也这样说了。

如果你真的在乎文本文本所占的那一丁点硬盘的话，vim 对 .gz 等压缩文件可以在打开时自动解压，保存时自动压缩。

都说了，两原因：

1. 对纯中文，白费了一半的空间；
2. 我需要在windows下面混。而windows下面的东西，往往对utf8这套国际化编码方案支持
不太好。

我不设fileencoding的，默认utf8保存，不会出你的问题。

奇怪了，虽然我设置了fileencoding，但那个好像只与解码选择编码优先有关，和用哪种编
码写入无关！

而我的配置文件里面，压根就没有带euc-cn这个词，搜索也搜不到——不知道为啥有这种行
为的。自动用euc-cn来保存我的文件（说法不确切，是：new的时候，fenc就成euc-cn了）
？

----------------------------------------------------------------------

最后：表叫人家小狐狸啦！

那叫“老”狐狸、“大”狐狸？不会是“火”狐狸吧？

[Fermat618]

都说了，两原因：
1. 对纯中文，白费了一半的空间；
2. 我需要在windows下面混。而windows下面的东西，往往对utf8这套国际化编码方案支持
不太好。

windows内部也是用的unicode. 到现在还对utf-8支持还不好的软件，那就说不过去了。
像很多人程序中写路径坚持用反斜线(\)来分隔一样，这很可能是老印象了，实际上，
windows早支持用斜线(/)了。

以前硬盘容量以MB来计的时候，这些空间可能还比较明显，现在硬盘都是以TB来计的，
这些空间真算不得啥了。列个数据，一个长篇小说可能达到几MB多的大小，相比之下随便
一个电影就要上GB。比起GBK可能带来的不便来说，它节省的那一点点空间在现在很不值了。

当然，上面这些只是我的观点。如果你的文件里面真的很确定只含中文，并且使用环境也
非常封闭，都是把GBK当默认编码的环境，不用担心GBK没有被正确识别或者支持所造成的
乱码，我说的utf-8的那些好处你可能也用不着了，那你用GBK也挺好。

奇怪了，虽然我设置了fileencoding，但那个好像只与解码选择编码优先有关，和用哪种编
码写入无关！

那个是 fileencodings, 最后有个s, 与不带s的是两个不同的选项。不带s的就是指定写入
时的编码的。打开已存在文件时会根据fileencodings来一个一个地试文件编码，并把
试中的那个作为fileencoding.

而我的配置文件里面，压根就没有带euc-cn这个词，搜索也搜不到——不知道为啥有这种行
为的。自动用euc-cn来保存我的文件（说法不确切，是：new的时候，fenc就成euc-cn了）

编码名字有别名的
:help encoding-values
找到如下行

代码： 全选

Several aliases can be used, they are translated to one of the names above.     
An incomplete list:                                                             
                                                                                
1   ansi        same as latin1 (obsolete, for backward compatibility)           
2   japan       Japanese: on Unix "euc-jp", on MS-Windows cp932                 
2   korea       Korean: on Unix "euc-kr", on MS-Windows cp949                   
2   prc         simplified Chinese: on Unix "euc-cn", on MS-Windows cp936       
2   chinese     same as "prc"

[sarrow]

to Fermat618, 我写错了。我说的fencoding,指的就是fencodings。少敲了一个s。

我的fencodings设置用的是网上常用的那种，先判读bom，然后utf8，然后cp936，然后没了。

至于：h encoding-values

这个东西，也知道了。

就是我的那个问题，还是没有较好的解决。

我弄了一个au

autocmd WriteCmdPre * if &enc='euc-cn' | set fenc=cp936 | endif

要是w的行为能替换就好了。弄一个wrapper总觉得不舒服。

[sarrow]

要不，再帮我想一想，
输入法的问题
viewtopic.php?f=68&t=357677

该怎么解决？

有什么思路没有？可能问题出在哪些方向？

就是从终端启动的gui程序，都不能使用fcitx输入法。cli程序，则没问题。比如，shell里面启动vim，输入法照用。

另外，我的桌面环境是gnome-3.1 + cairo-dock

[lilydjwg]

autocmd WriteCmdPre * if &enc='euc-cn' | set fenc=cp936 | endif

要是w的行为能替换就好了。弄一个wrapper总觉得不舒服。

你把 'enc' 设成 'cp936' 不行吗？你的配置真的很奇怪耶，'euc-cn' 是 *nix 下才用的编码名。。。

最后：表叫人家小狐狸啦！

那叫“老”狐狸、“大”狐狸？不会是“火”狐狸吧？

头像就是从维基百科「火狐」词条找到的

[sarrow]

你把 'enc' 设成 'cp936' 不行吗？你的配置真的很奇怪耶，'euc-cn' 是 *nix 下才用的编码名。。。

确实，我应该检测到new txt文件的时候，就修改fenc编码值。

另外，我的”配置真的很奇怪"，是什么意思？

[Fermat618]

头像就是从维基百科「火狐」词条找到的

这舌头真长。。。。

[lilydjwg]

你把 'enc' 设成 'cp936' 不行吗？你的配置真的很奇怪耶，'euc-cn' 是 *nix 下才用的编码名。。。

确实，我应该检测到new txt文件的时候，就修改fenc编码值。

另外，我的”配置真的很奇怪"，是什么意思？

呃，可能我又打错字了吧。。。我是说，在 Windows 上使用 euc-cn 是一种奇怪的行为。