cp852 / OEM 852 w HTML

Question

Witam. Chciałem zautomatyzować zmianę zawartości mojej strony internetowej za pomocą programu w C. Mowa tu o zautomatyzowanym nadpisywaniu pliku HTML za pomocą aplikacji konsolowej. Ponieważ na stronie www znajdują się polskie znaki, a konsola Windows obsługuje kodowanie cp852, postanowiłem, że zmienię kodowanie w pliku HTML również na odpowiednik cp852, czyli Latin2, lub iso-8859-2 (oba nie działają).

<meta charset="Latin2" />

<meta charset="iso-8859-2" />

Plik HTML edytuję w środowisku Notepad++. Enkodowanie w środowisku również ustawione mam na OEM 852 (czyli cp852, Latin-2).

W pliku HTML mam tekst z polskimi znakami - program C również bez problemu je czyta i zapisuje. Po nadpisaniu przez niego pliku HTML polskie znaki w Notepadzie wyświetlają się poprawnie, ale kiedy odpalę to w przeglądarce, to zamiast polskich znaków, wyświetlają się jakieś dziwne krzaczki np. , †, zamiast 'ż' jest 'ž'.

Czemu to nie wyświetla polskich znaków?

Co mam wpisać w charset="...", aby uzyskać dokładnie ten sam zestaw znaków, co w cp852?

PS. Charset na UTF-8 nie wchodzi w grę bo program C za Chiny ludowe nie przeczyta polskich znaków wtedy, a te, które wpisze, również nie będą poprawnie wyświetlane na stronie, a nawet w pliku.

Z grubsza:

• W konsoli zawartość pliku HTML wyświetla się poprawnie, z polskimi znakami.
• Plik HTML w Notepadzie wyświetla się poprawnie, z polskimi znakami.
• A w przeglądarce nie...

Comments

Charset na UTF-8 nie wchodzi w grę

https://developer.mozilla.org/en-US/docs/Web/HTML/Element/meta

charset (...)  value must be (...) "utf-8", because UTF-8 is the only valid encoding for HTML5 documents

Pytanie brzmi, dlaczego edytowanie... stron internetowych w C? stawiasz jako wyższy priorytet niż dominujący od lat standard kodowania tekstu i stron.

(Poza tym, C nie sypie się kompletnie z utf-8; gdy tekst jest po prostu wyciągany z pliku i wrzucany do innego, zwykłe ciągi bajtów jak najbardziej działają. Niektóre operacje jak szukanie substringa też. Trudniejsze, jak znajdowanie długości stringa lub konwersja upper/lowercase, faktycznie wymagają dedykowanej biblioteki jak ICU.)

---

Więc dlaczego nie po prostu wyrzucić kompletnie ten tag, a te pliki przerobić 1 linią basha (iconv na unixach) lub 5-6 liniami Pythona. Albo jeśli strona jest jednym plikiem, to po prostu dwoma kliknięciami w edytorze tekstu.