Character encoding Squeak-Monticello字符编码

对于一个工作项目，我在（无显示、远程）Linuxserver上使用headless Squeak，在Windows developer机器上也使用Squeak

开发人员机器上的代码使用Monticello进行管理。不幸的是，我必须使用SFTP将mcz复制到服务器上（例如，出于安全原因，服务器上不可能有推送存储库）。然后，代码由以下代码合并：

MczInstaller安装文件名为：“name-b.18.mcz”。

这通常是有效的

不幸的是，我们的代码库包含包含UMLAUT和其他非ascii字符的字符串。在Monticello重新导入期间，其中一些角色被其他角色替换，而另一些角色则被零替换

我也试过

MczInstaller installStream:（FileStream readOnlyFileNamed:“…”）二进制文件

（注意.mcz实际上是.zip的，所以二进制应该是合适的，我想这是默认值）

找出如何使Monticello的传输保留内部的吱吱声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（至少在这个代码库中）不太可取，因为需要人工。如果您感兴趣的是为什么在这种情况下它不是一个简单的grep替换，请阅读以下旁注：

---

（旁注：（简化/特殊情况）代码库使用Seaside的#text:method来呈现包含必须进行html转义的字符的字符串。这与我们的非ascii很好，例如，它将

ä

转换为

ä；

，如果我们要用

ä；

显式地grep替换文本ä，那么我们将不得不使用#html:method（否则为双转义），但这将要求我们替换所有其他必须进行html转义的字符（例如&），但源代码本身也包含此类字符。还有其他情况，如一些采用第三方字符串的#text:，它们可能不会被#html的..替换。）蒙蒂塞洛并不真正了解字符编码。我不知道squeak的现状，但上次我研究它时，假设字符编码为拉丁1。但这意味着它在你的情况下应该可以完美地工作

如果您正在写入和读取同一类型的图像，它无论如何都应该可以工作。如果正确的字符编码失败，通常会将内部字节表示从内存写入磁盘。虽然这可以防止包的任何跨方言交换，但如果使用同一类型的图像，它应该可以工作

无论如何，有些事情应该或可能会奏效，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7bit字符。 您不需要将非7bit字符转换为HTML实体

Character value: 228

用于在代码中生成一个ä，而不使用非7位字符。对于每个要添加转换的字符，都可以进行转换

$ä asciiValue => 228

我知道这不是一些人想要得到的答案。但蒙蒂塞洛是其中之一，仍然需要调整以进行适当的字符编码。

Squeak确实在内部使用unicode（ISO 10646）对字符串中的字符进行编码。
对于16r80到：16r9F范围内的字符，它可能会使用CP1252这样的扩展名，但我现在还不能确定

字符代码在stream source.st上按原样写入，当所有字符都是16rFF时，这些代码由一个字节组成，然后在Squeak中使用一个宽字符串。代码再次按原样在stream source.st上写入，但这次是32位代码（按大端顺序写入）.从技术上讲，编码是UTF-32BE

现在MczInstaller做了什么？它使用snapshot/source.st文件，并使用

setConverterForCode

读取此文件，它是UTF-8或MacRoman…因此非ASCII字符可能会被更改，而WideString的情况更糟，它将被重新解释为ByteString

MC本身不使用存档中的snapshot/source.st成员。
它使用snapshot.bin（请参见MCMczReader和MCMczWriter中的代码）。
这是一个二进制文件，其格式由DataStream控制

您应该使用的代码段是：

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