Latex3: सिरिलिक के लिए केस बदल रहा है

u8:И -> आईईसी {CYRI }

क्या यह u8:И से निकालने और मामले को देखने के लिए अधिक समझ में नहीं आता है
कुछ अंतर में जानकारी?

@blefloch
हां!

ये क्या हैं u8:... वैसे भी कमांड? क्या उनकी जरूरत है?

@blefloch
हां!

या शायद क्रिस नहीं। किसी को के बजाय उस स्थान पर ^^ अंकन से निपटना पड़ सकता है लेकिन कुल मिलाकर मैं सहमत हूं कि बेहतर प्रारंभिक बिंदु की तरह दिखता है

ये क्या हैं u8:... वैसे भी कमांड? क्या उनकी जरूरत है?

आपको पता होना चाहिए :-) आपका नाम उस फ़ाइल पर है जिसमें वह कोड है। हां उनकी आवश्यकता है: पीडीएफटेक्स में लाटेक्स बाइट्स उनका विश्लेषण करता है और उनसे एक एकल सीएसनाम बनाता है \u8:... जो उस utf8 चार के लिए एलआईसीआर रखता है जो उपरोक्त मामले में \IeC {\CYRI } या यदि \u8:... परिभाषित नहीं है के लिए कोई यूनिकोड प्रतिनिधित्व के साथ प्रतिक्रिया करता है ...

आपको पता होना चाहिए :-) आपका नाम उस फ़ाइल पर है जिसमें वह कोड है।
लेकिन हर उस चीज की जरूरत नहीं है जिसके लिए मैं जिम्मेदार हो सकता हूं :-)।

मैं सहमत हूं कि मुझे मूल कोड देखना चाहिए! कम से कम यह पता लगाने के लिए कि : कहां से आया है।

लेकिन मुझे अब रुक जाना चाहिए अगर मैं इस तरह के सार्वजनिक स्थान पर अपनी राय प्रदर्शित करके किसी खास व्यक्ति को गुस्सा दिलाता हूं :-)।

@blefloch कुछ चीजों की जरूरत है। पहला है UTF-8 जोड़ी/ट्रिपलेट/चौकड़ी का पता लगाना और टोकन-दर-टोकन के बजाय इसे पूरा पकड़ना। यह काफी आसान है: inputenc शुरुआती बिंदु के बराबर सक्रिय चार टोकन की जांच करें। दूसरा चरण यह जानना है कि केस को कैसे बदला जाए। जिस कारण से मैंने \IeC{...} दृष्टिकोण लेने का उल्लेख किया है, तब हमें _new_ डेटा की आवश्यकता नहीं है: यह उसी तरह है जैसे \MakeUppercase उन्हें संभालता है और इसलिए \@uclclist डेटा का उपयोग करता है जो हम कर रहे हैं पहले से ही संग्रह कर रहा है।

IeC{...} दृष्टिकोण अपनाने का कारण यह है कि हमें नए डेटा की आवश्यकता नहीं है:
ठीक है, यदि आप मामले को बदलने वाले हर चरित्र को पूरी तरह से कवर करना चाहते हैं तो आपको थोड़ी अधिक आवश्यकता हो सकती है (उन सभी में अभी तक एलआईसीआर नहीं हो सकते हैं।)

संख्याओं और यूनिकोड तालिकाओं का उपयोग करना निश्चित रूप से सौंदर्य की दृष्टि से अधिक आकर्षक है। लेकिन अगर 'नामों की तालिका' अभी के लिए काम करती है। . .

सिरिलिक, ग्रीक, अर्मेनियाई, आदि आदि के लिए क्या फॉर्म साइर के नए एलआईसीआर का उपयोग करना संभव है{}, थोड़ा सा उच्चारण?

@ car222222 मुद्दा सामने आया क्योंकि ऐसे स्थान हैं जो वर्तमान \MakeUppercase काम करेंगे जो \text_uppercase:n नहीं करेंगे, जो u8:... माध्यम से जाने वाली चीजों के लिए नीचे आते हैं। इसलिए मैं इसके साथ शुरुआत कर रहा था। अगर हम पीडीएफटीएक्स (करने योग्य) में पूर्ण यूनिकोड रेंज चाहते हैं, तो हमें डेटा को मैन्युअल रूप से एक पूर्णांक सरणी में स्टोर करना होगा।

अगर हम पीडीएफटीएक्स (करने योग्य) में पूर्ण यूनिकोड रेंज चाहते हैं, तो हमें डेटा को मैन्युअल रूप से एक पूर्णांक सरणी में स्टोर करना होगा।

यह देखते हुए कि पीडीएफटीएक्स जानबूझकर केवल utf8 वर्ण प्रदान करता है यदि लोड किए गए फ़ॉन्ट एन्कोडिंग द्वारा समर्थित है तो यह पहले मामले में परिवर्तन के लिए संदिग्ध है और फिर पता चलता है कि परिणाम एक असमर्थित चरित्र है। बेशक, यदि संपूर्ण डेटा प्रारूप के अंदर है तो कोई अतिरिक्त पेलोड (इसके द्वारा लिए गए आकार के अलावा) और प्रारंभिक तैयारी नहीं है।

यह पहले मामला परिवर्तन के लिए संदिग्ध है और फिर पता चलता है कि परिणाम एक असमर्थित चरित्र है।

मुझे यह बहुत समस्याग्रस्त नहीं लगता। लोअरकेस और अपरकेस एक ही एन्कोडिंग में हैं, इसलिए यदि आप असमर्थित लोअरकेस अल्फा से शुरू करते हैं तो आपको कैपिटल अल्फा पर केवल एक त्रुटि मिलेगी।

2/18/20 3:49 अपराह्न को, उलरिके फिशर ने लिखा:

it is questionable to first case change and then find that the
result is an unsupported character.

मुझे यह बहुत समस्याग्रस्त नहीं लगता। लोअरकेस और अपरकेस में हैं
एक ही एन्कोडिंग, इसलिए आपको केवल कैपिटल अल्फा पर एक त्रुटि मिलेगी यदि आप
असमर्थित लोअरकेस अल्फा से शुरू करें।

भले ही लोअरकेस अल्फा के साथ एन्कोडिंग मौजूद हो लेकिन अपर केस नहीं
अल्फा (यह शायद कुछ दुर्लभ उच्चारणों के मामले में हो सकता है),
यूनिकोड चार सेट नहीं होने की त्रुटि प्राप्त करना इससे बेहतर लगता है
गलती से लोअरकेस चार मिल रहा है।

मैं उलरिके और ब्रूनो से सहमत हूं। लेकिन मैं एक यथार्थवादी मामले की कल्पना करने में असफल हो रहा हूं (सजा का इरादा) जहां ऊपरी और निचले मामले के पात्र एक साथ उपलब्ध/अनुपलब्ध दोनों नहीं हैं।

यह देखते हुए कि पीडीएफटीएक्स जानबूझकर केवल utf8 वर्ण प्रदान करता है यदि लोड किए गए फ़ॉन्ट एन्कोडिंग द्वारा समर्थित है

क्या मतलब? pdfTeX 'वर्ण प्रदान' बिल्कुल नहीं करता है, है ना? और 'लोडेड फॉन्ट एनकोडिंग' एक लाटेक्स अवधारणा है, इंजन नहीं।

शायद इसका मतलब यह है कि जिस तरह से हमने मूल रूप से लाटेक्स के लिए utf8 सामान स्थापित किया था, एलआईसीआर केवल थे (और मैपिंग केवल 'ज्ञात एन्कोडिंग के लिए' प्रदान किए गए थे और फिर केवल लोड किए गए एन्कोडिंग के लिए लोड किए गए थे।

सच है, लेकिन आजकल इस तरह के प्रतिबंध लगाने की कोई जरूरत नहीं है, है ना?
हम निश्चित रूप से अब उन्हें आसानी से यूनिकोड के किसी भी सबसेट के लिए प्रदान कर सकते हैं, और इस संदर्भ में हमें केवल सभी 'केसेबल कैरेक्टर' को कवर करने की आवश्यकता है।

अस्वीकरण: मैं ज्ञात एन्कोडिंग के लिए उस प्रतिबंध के लिए कभी भी उत्सुक नहीं था :-)।

    Given that pdfTeX deliberately only provides utf8 chars if
    supported by the loaded font encodings

क्या मतलब? pdfTeX 'वर्ण प्रदान' बिल्कुल नहीं करता है, है ना? और
'लोडेड फॉन्ट एनकोडिंग' एक लाटेक्स अवधारणा है, इंजन नहीं।

अर्थ pdflatex और लेखन pdftex

शायद इसका मतलब यह है कि जिस तरह से हमने मूल रूप से utf8 सामान के लिए सेट किया था
लाटेक्स, एलआईसीआर केवल थे (और मैपिंग केवल 'ज्ञात के लिए' प्रदान किए गए थे
एन्कोडिंग' और फिर केवल लोड किए गए एन्कोडिंग के लिए लोड किया गया।

हाँ, जो एक अच्छी बात थी TM क्योंकि इसने LaTeX की दुनिया को मुक्त रखा था
टोफू और लापता अक्षर

सच है, लेकिन आजकल इस तरह के प्रतिबंध लगाने की कोई जरूरत नहीं है, है ना?
हम निश्चित रूप से अब उन्हें आसानी से यूनिकोड के किसी भी उपसमुच्चय के लिए प्रदान कर सकते हैं
चाहते हैं, और इस संदर्भ में हमें केवल सभी 'केसेबल कैरेक्टर' को कवर करने की आवश्यकता है।

हाँ वहाँ है। यदि आपके पास अक्षरों को टाइप करने के लिए ग्लिफ़ नहीं हैं तो
ऐसा करने का कोई मतलब नहीं है, यही वजह है कि आप यह दावा करते हैं कि आप यूनिकोड को इस रूप में करते हैं
जैसा कि xetex या luatex (लेटेक्स) करता है और फिर केवल छेद उत्पन्न करता है उत्तर नहीं
लॉग में चार XXX चेतावनियां pdflatex के लिए एक कदम पीछे की ओर है
समाधान, इम्हो

अस्वीकरण: मैं ज्ञात एन्कोडिंग के लिए उस प्रतिबंध के लिए कभी भी उत्सुक नहीं था :-)।

ठीक है, जब तक आप अंग्रेजी लिखते हैं, तब तक आमतौर पर इससे कोई फर्क नहीं पड़ता कि आप
अन्य भाषाओं में लिखें और आपका दस्तावेज़ बिना दूषित हो जाता है
आपको चेतावनी देता है कि यह करता है

गैर-प्रतिनिधित्व वाले पात्रों के लिए एलआईसीआर लोड न करने के कई कारण हो सकते हैं।

लेकिन यहां हम केवल इन एलआईसीआर और अपरकेसिंग वर्णों को परिभाषित करने के बारे में बात कर रहे हैं, 'वर्ण' नोट करें।
उन्हें टाइप करने से कोई लेना-देना नहीं है, इसलिए उपलब्ध एन्कोडिंग/फोंट प्रासंगिक नहीं हैं।
यूज-केस: अपरकेस फॉर्म केवल एक पीडीएफ बुकमार्क में उपयोग के लिए है, कभी भी टाइपसेट नहीं होना चाहिए (टीएक्स द्वारा, कम से कम!)

समस्या को थोड़ा और देखने के बाद, सक्रिय वर्णों को देखकर चीजों को करने की कोशिश करने के बजाय मैपिंग की एक निश्चित सूची का उपयोग करके इसे संभालना आसान लग रहा था। मैंने एक त्वरित रूप से देखा कि केस-चेंजिंग डेटा के साथ कितने कोडपॉइंट हैं: लगभग 2000। यह संभवतः उन सभी को करने के लिए थोड़ा अधिक है, इसलिए वर्तमान के लिए मैंने ग्रीक और सिरिलिक को चुना है जो T2 द्वारा कवर किए गए हैं। LGR । विचार स्वागत है।

उन सभी को एक इंटररे में स्टोर करने के विचार के बारे में क्या?

एक इंटररे का उपयोग करने वाली बात यह है कि हम इसे विरल नहीं बना सकते हैं, इसलिए आकार संग्रहीत किए जाने वाले अंतिम मूल्य के कोडपॉइंट पर निर्भर करेगा। पॉइंट-ऑफ-यूज़ पर एक प्रदर्शन हिट भी है क्योंकि हमें लोड समय पर इसे एक बार करने के बजाय निकालने, बाइट्स में कनवर्ट करना और सक्रिय वर्णों का निर्माण करना होगा।

इसके अलावा, जहां तक ​​मुझे पता है, 'कौन से कोडपॉइंट्स में ग्लिफ़ हैं' व्यवसाय के साथ, ग्रीक और सिर्लिक वाले और पहले से कवर किए गए लैटिन वाले अब तक के सबसे उपयोगी हैं

खैर, यूनानियों और सिरिल्स के लिए वे सबसे उपयोगी हैं, हाँ! लेकिन बाकी दुनिया के लिए नहीं?
दास हेस्ट: आपने इस उपयोगिता को कैसे मापा?

मुझे लगता है कि आसपास के कई लैटिन-डेरिवेटिव के कारण कुल इतना बड़ा हो जाता है, या नहीं?
2000 लगभग 30+ विशिष्ट अक्षर है, मुझे लगता है।

यहां 'यूटिलिटी' बस 'pdfTeX में क्या काम करता है' से शुरू हो रहा था, इसलिए 'कौन से एन्कोडिंग उपलब्ध हैं'। मुझे यकीन नहीं है कि सभी मैपिंग में वास्तव में क्या शामिल है: यह संभव है कि झूठी-सकारात्मक हों। संभावित रूप से सभी गणित रूपों (इटैलिक, सेन्सेरिफ़, ...) की शुरुआत के लिए हैं।

इसमें से बहुत से लैटिन/सिरिलिक/ग्रीक उच्चारण हैं, फिर कॉपिक, अर्मेनियाई, पुराना हंगेरियन, चेरोकी, आदि है। निश्चित रूप से 30 अक्षर नहीं, लेकिन शायद कम से कम 10।

लिपियों की पूरी सूची:

• लैटिन (>700 कोडपॉइंट!) सहित। पूर्ण-चौड़ाई वाले संस्करण
• यूनानी
• कॉप्टिक
• सिरिलिक
• अर्मेनियाई
• जॉर्जीयन्
• चेरोकी
• ग्लैगोलिटिक
• डीज़रेट
• ओसेज
• पुराना हंगेरियन
• वारंग
• मेडेफेड्रिन
• अदलाम

!! लैटिन (>700 कोडपॉइंट!) सहित। पूर्ण-चौड़ाई वाले संस्करण
आह हाँ, 'सर्कल सुपरस्क्रिप्ट' संस्करणों का उल्लेख नहीं करने के लिए,
और मुझे यकीन है कि यूनिकोड में अब तक लोअरकेस इमोजी होनी चाहिए :-)।

@ car222222 सौभाग्य से कोई गोलाकार अक्षर नहीं;) यह मुख्य रूप से बहुत सारे और उच्चारण संस्करणों के संयोजन के बहुत सारे हैं।

@josephwright लेकिन आपको वास्तव में \text_lowercase:n{\emoji{Man}} = \emoji{Boy} लागू करना चाहिए ;-)

आगे की कवरेज पर विचार? या जो मैंने वर्तमान के लिए स्थापित किया है, क्या हम उसके साथ चलते हैं?

उपरोक्त MWE में \.I İ की हैंडलिंग pdfLaTeX (यूनिकोड इंजन की तुलना में भी) में भिन्न है, लेकिन मैं मानता हूं कि İ जेनेरिक केस चेंज कोड में शायद एक मुश्किल मामला है।

इसलिए मैंने तुर्की केस चेंजर की कोशिश की

\documentclass{article}
\usepackage{fontspec}
\usepackage{libertinus}
\usepackage{expl3}

\ExplSyntaxOn
\def\test{\text_lowercase:nn{tr}}
\ExplSyntaxOff

\begin{document}
\test{\.I İ \CYRI И}
\end{document}

( L3 programming layer <2020-02-25> ) और LuaLaTeX और XeLaTeX खुश नहीं हैं

! Undefined control sequence.
<inserted text> ı

@moewew हम्म, यह थोड़ा अजीब है: मुझे मिल जाएगा सॉर्ट किया गया है

@moewew तुर्की के साथ विशिष्ट मुद्दा: अब तय किया गया

आगे की कवरेज पर विचार? या जो मैंने वर्तमान के लिए स्थापित किया है, क्या हम उसके साथ चलते हैं?

मैं वर्तमान से शुरू करूंगा और जरूरत पड़ने पर विस्तार करूंगा

ठीक है, मुझे लगता है कि यह सबसे अच्छी स्थिति है, और इसका मतलब यह भी है कि हम मुद्दों को आगे बढ़ा सकते हैं। मैं यहां बंद करूंगा और नए मुद्दों में विशिष्ट परिवर्धन को संबोधित किया जा सकता है।