Πρόβλημα με τα Ελληνικά στο gedit σε αρχεία .srt

[panagiotis]

Εδώ είναι το αρχείο:
http://www.2shared.com/file/6121962/f69d1098/KNOWTS.html
Δεν νομίζω να φταίει το αρχείο γιατί και άλλους υπότιτλους που δοκίμασα δεν τα ανοίγει.

[yobo]

Δοκίμασα να το ανοίξω με : UTF-8 , Central Europe (iso 8859-2) , Central European (Windows-1250) , Greek (ISO-8859-7) , Greek (Windows -1253).

Δεν ξέρω αν υπάρχει και κάποια άλλη περισσότερο εξειδικευμενη εντολή αλλά μπορείς να δεις την κωδικοποίηση με:

Κώδικας: Επιλογή όλων

file onoma.arxeiou

[panagiotis]

Δεν ξέρω αν υπάρχει και κάποια άλλη περισσότερο εξειδικευμενη εντολή αλλά μπορείς να δεις την κωδικοποίηση με:

Κώδικας: Επιλογή όλων

file onoma.arxeiou

Κώδικας: Επιλογή όλων


iconv arxeio.srt -f WINDOWS-1253 -t UTF-8 -o arxeio_new.srt


Δοκίμασα και την εντολή

Κώδικας: Επιλογή όλων

iconv arxeio.srt -f WINDOWS-1253 -t UTF-8 -o arxeio_new.srt

αλλά τίποτα.

[xqtr]

το αρχειο σου δειχνει οτι εχει μετατραπει σε utf8, αλλα παρολα αυτα δεν φενονται ελληνικα, τουλαχιστον με τον gedit. Καλυτερα κατεβασε το παλι και μετα κατεβασε αυτο το προγραμμα https://sourceforge.net/projects/concom/ και κανε την μετατροπη ευκολα.

[simosx]

Εδώ είναι το αρχείο:
http://www.2shared.com/file/6121962/f69d1098/KNOWTS.html
Δεν νομίζω να φταίει το αρχείο γιατί και άλλους υπότιτλους που δοκίμασα δεν τα ανοίγει.

Το αρχείο αυτό είναι προβληματικό.

Το αρχείο είναι κωδικοποίησης UTF-8 και δείχνει

Κώδικας: Επιλογή όλων

Ãéá íá âñïýìå ôçí êáëýôåñç éäÝá ãéá
íá ãéïñôÜóïõìå áõôÞ ôçí îå÷ùñéóôÞ ìÝñá.


που δεν είναι φυσικά κάποια γλώσσα. Κάποιος έκανε εσφαλμένη μετατροπή από iso-8859-1 (μάλλον) προς UTF-8,
οπότε φαίνονται εκτεταμένοι λατινικοί χαρακτήρες.

Ακόμα, αν και το αρχείο είναι UTF-8, υπάρχει ένας χαρακτήρας μέσα που δεν είναι UTF-8, στη γραμμή που δείχνει

Κώδικας: Επιλογή όλων

SEPTiCEMiA TEAM - [GMTeam] - S.M.P<99></b></i>


Είναι αυτό το <99> (στην πραγματικότητα είναι ένας χαρακτήρας, του copyright, σε κωδικοποίηση iso-8859-1, ενώ το υπόλοιπο κείμενο είναι ορθό σε UTF-8).
Αυτό έχει ως αποτέλεσμα να μη μπορεί να ανοίξει το κείμενο μέσα από το gedit.

Αυτό που πρέπει να γίνει είναι πρώτα αντίθετη μετατροπή, από UTF-8 σε iso-8859-1 (μάλλον), και μετά μετατροπή από iso-8859-7 προς UTF-8.

Με αυτόν το τρόπο, οι παραπάνω γραμμές στην παράξενη γλώσσα εμφανίζονται σωστά στα ελληνικά,

Κώδικας: Επιλογή όλων

Για να βρούμε την καλύτερη ιδέα για
να γιορτάσουμε αυτή την ξεχωριστή μέρα.


Οπότε, μπορείς να κάνεις τη δουλειά από γραμμή εντολής, με

Κώδικας: Επιλογή όλων

iconv -c -f utf-8 -t iso-8859-1 < /tmp/KNOWTS.srt | iconv -f iso-8859-7 -t utf-8

Θα δεις ότι χρησιμοποιώ την παράμετρο '-c', που σημαίνει, αγνόησε ό,τι σφάλματα υπάρχουν.
Συγκεκριμένα, στο παραγόμενο αρχείο δε θα δεις ελληνικούς κεφαλαίους χαρακτήρες με τόνο (Ό, Έ, κτλ) σε μερικές γραμμές.
Είναι πιθανό αν δοκιμάσεις περισσότερες κωδικοποιήσεις με την iconv (δες iconv -l) να βρεις το σωστό μείγμα.

Ελπίζω τα παραπάνω να βοηθήσουν στην αντιμετώπιση προβλημάτων στην κωδικοποίηση υποτίτλων.

[logari81]

η αρχική μου υπόθεση ήταν μάλλον σωστη. Το αρχειο εχει υποστει διπλή μετατροπή κωδικοποιησης από/σε λαθος μορφη. Π.χ. παιρνωντας ενα δειγμα απο το αρχειο ο τροπος να διαπιστωσει κανεις την αναποδη φορα των μετατροπων μεσω python ειναι ο παρακατω:

Κώδικας: Επιλογή όλων

>>> a='Êáé èõìÜóôå ôïí äéáãùíéóìü ðïõ åß÷å'
>>> print a.decode('utf-8').encode('iso-8859-15').decode('windows-1253')
Και θυμάστε τον διαγωνισμό που είχε


Αυτο που εχεις να κανεις ειναι
open (encoding utf-8)
save as (encoding iso-8859-15)
κλεισιμο
open (encoding windows-1253)
save as (encoding utf-8)

από κονσολα ειναι λιγο πιο ευκολο με:

Κώδικας: Επιλογή όλων

iconv KNOWTS.srt -f UTF-8 -t ISO_8859-15 -o tmp.srt
iconv tmp.srt -f WINDOWS-1253 -t UTF-8 -o KNOWTS_new.srt


EDIT: με προλαβε ο Σιμος

[panagiotis]

Να 'στε καλά παιδιά ευχαριστώ.Εν το μεταξύ όλοι οι υπότιτλοι είναι τέτοιο μπέρδεμα και δεν ξέρω γιατί..Όπως και να 'χει σας ευχαριστώ.

[simosx]

Να 'στε καλά παιδιά ευχαριστώ.Εν το μεταξύ όλοι οι υπότιτλοι είναι τέτοιο μπέρδεμα και δεν ξέρω γιατί..Όπως και να 'χει σας ευχαριστώ.

Τη σωστή απάντηση την έδωσε ο logari81, όπου διαπίστωσε την κωδικοποίηση iso-8859-15 (εγώ έγραψα για iso-8859-1).

Οπότε, είναι σημαντικό να πατήσεις το στην απάντηση του logari81. Όπως είναι τώρα, έβαλες το στην αρχική σου ερώτηση που είναι λάθος (βάζεις το στην απάντηση που σε καλύπτει καλύτερα και όχι στην ερώτησή σου).

[baker]

Να προσθέσω και εγώ τον δικό μου τρόπο που βλέπω ελλληνικά με το gedit? όντως αν ανοίξεις το gedit και μετα Άνοιγμα - κωδικοποιηση χαρακτήρων - Greek (iso-8859-7)
δουλεύει μια χαρά.. αλλά γιατί να το κάνεις έτσι κάθε φορά σε κάθε αρχείο...

Δεξι κλικ στο srt αρχείο που έχεις πρόβλημα με τα ελληνικά, Ιδιότητες - Άνοιγμα με - Προσθήκη - Χρήση μιας προσαρμοσμένης εντολής -
και γράφουμε: gedit --enconding=iso-8859-7
Από εδώ και πέρα κάθε srt αρχείο θα ανοίγει σωστά με απλό διπλό κλικ πάνω του..

Τώρα αν το srt είναι ήδη σε utf-8 το gedit θα μας πει οτι δεν μπορει να το ανοίξει με την τρέχουσα κωδικοποιηση iso-8859-7
δεν έχουμε παρά να κάνουμε ένα κλικ στο retry με κωδικοποίηση UTF-8
πιστευω είναι πιο βολικός αυτός ο τρόπος, με λιγότερες διαδικασίες

[yobo]

Αυτό που λες φίλε baker δεν είναι η λύση στο πρόβλημα είναι ένας άλλος τρόπος να δεις τα αρχεία σου, αλλά το πρόβλημα παραμένει: τα αρχεία δεν είναι σε μορφή UTF-8.

Αν μετατρέψεις την κωδικοποίηση ενός αρχείου από οτιδήποτε σε UTF-8, τότε λύνεις το πρόβλημα για πάντα (για το συγκεκριμένο αρχείο). Ακόμα και στα windows αν ανοίξεις αρχείο με κωδικοποίηση UTF-8 δεν το πειράζει το αφήνει ως έχει. Το πρόβλημα ξεκινάει από την επιλογή της Microsoft να έχει προεπιλεγμένη (default) κωδικοποίηση κάποια άλλη από την standard (UTF-8).

Δες εδώ: http://en.wikipedia.org/wiki/Utf-8
Και εδώ: http://en.wikipedia.org/wiki/Comparison ... _encodings