No ale…

…UTF-8 jest zakazany! Natychmiast ustaw swój czytnik!

Nie zrobię tegoż, gdyż od połowy października 2004 roku, UTF-8 jest w pełni poprawnym charsetem eksperymentalnie dopuszczonym do użytku (w hierarchii pl.* — gdzie był zakazany). Na dzień dzisiejszy można uznać, że test zakończył się pomyślnie i zmiana zapisów jest tylko kwestią czasu. Przyjmuje się, że należy używać najniższego możliwego zestawu znaków, czyli jeśli post nie zawiera pliterek, to winien być wysłany w US-ASCII, gdy zawiera „tylko pliterki” (a dokładniej znaki z zakresu Latin2), to należy go wysłać w ISO 8859-2, a gdy zawiera coś więcej, to powinien „iść” w UTF-8 (nie UTF-7, czy też, nie daj Boże, w UTF-16, bądź UTF-32).

…mój czytnik wyświetla obrzydliwe krzaczory w postach używających UTF-8, zamiast pliterek, gdy w innych postach wszystko działa!

Dzieje się tak dlatego, gdyż używany czytnik jest nie jest odpowiednio skonfigurowany do wyświetlania tego zestawu znaków. Dajmy na to, znacząca większość współczesnych czytników nie wymaga żadnych zabiegów

…UTF-8 powoduje dwukrotny wzrost rozmiaru wiadomości! Pomyśl o głodujących GPRS–owcach!/modemowcach/itd.

Bzdura². UTF-8 mógłby powodować ≥100% wzrost rozmiaru wiadomości tylko wtedy gdy wszystkie znaki w niej zawarte byłyby kodowane w UTF-8 więcej niż na jednym bajcie, jak np. w przypadku grażdanki bądź katakany. W przypadku polskich tekstów, tylko niewielki % znaków „wystaje” poza US-ASCII.

Przykładowo inwokacja z „Pana Tadeusza”, zakodowana w ISO-8859-2 zajmuje 1767 bajtów, gdy W UTF-8 zajmuje tych bajtów 1896, co daje wzrost rozmiaru o 7,3%. 7,3 < 100…

…tu , tu , tu , czy choćby tutaj jest napisane, że kodować można wyłącznie w ISO-8859-2!

Pomijając fakt, że te teksty tyczą się jedynie tekstów zawierających wyłącznie polskie znaki diakrytyczne, to proszę wziąć pod uwagę, że te dokumenty powstały w okresie, gdy UTF-8 był usuwany i zapewne będą sukcesywnie uaktualniane. Już w FAQ–ach niektórych grup pojawiły się zapisy dopuszczające wysyłkę postów w UTF-8, jak również, wbrew powyższym dokumentom, posty w tym zestawie znaków są przepuszczane na moderowanych grupach! Natomiast zapisy na usenet.pl zostały nieuaktualnione […]ale tylko przez bezwładność […]⇗ i […]zostaną poprawione[…]⇗.

…co z tego! Musi być ISO i już!

Pomijając fakt, że jest (Unikod, a dokładnie UCS, to właśnie IEC/ISO-10646), to jednak nie musi. Jak już mówiłem, od połowy października 2004. roku UTF-8 było testowane, co zakończyło się powodzeniem i co za tym idzie, UTF-8 można legalnie używać w wymagających go wiadomościach.

…polska norma nakazuje używać ISO-8859-2!

A standard NNTP traktuje UTF-8 jako domyślny zestaw znaków oraz nakazuje korzystanie z niego!

Standard PN-93/T-42118, w konfrontacji z dzisiejszym internetem jest, delikatnie mówiąc, przestarzały. Owszem nadaje się do kodowania tekstów zawierających tylko polskie znaki diakrytyczne, lecz często zachodzi potrzeba zawarcia znaku spoza latin2, co niejednokrotnie pociąga za sobą dodatkowe czynności, jak np. rekonfiguracja czytnika. Dodatkowo jak niżej opisano, nawet Rada Ministrów RP, podziela powyższe poglądy, wymuszając na jednostkach publicznych używanie UTF-8.

A poza tym, ISO-8859-2, a dokładniej standard „ISO 8859”, jest martwy, gdyż w czerwcu 2004 roku, trzecia grupa robocza ISO/IEC odpowiedzialna za utrzymywanie zestawów znaków kodowanych ośmiobitowo została rozwiązana, a co za tym idzie, wszelka praca i utrzymanie „ISO 8859” (w tym ISO-8859-2) zostały wstrzymane, w celu skoncentrowania się nad UCS i Unicode.

…praktycznie żaden czytnik nie umie UTF-8

Nieprawda. UTF-8 w zakresie polskich znaków umie przedstawić wszystko, co potrafi wyświetlić te właśnie znaki. Jeśli chodzi o coś spoza tego zakresu, to „sorry, no bonus”, ale potrzeba trochę bardziej współczesnego klienta news.

…po co zmieniać! Przecież ISO-8859-2 jest doskonałym charsetem, który doskonale się spisywał i się spisuje przez te wszystkie lata.

No właśnie, w tym rzecz, że nie jest. ISO może i było doskonałym charsetem 10 lat temu. Dziś praktycznie każdy nowy protokół, który powstaje, opiera się na unikodzie. Dodatkowo, unikod ma także inne zalety.

…Unicode to nowy system kodowania! Wypadałoby dać trochę czasu na zaakceptowanie.

Nie prawda. Unicode i UTF-8 mają po –naście lat. Czasu było wystarczająco dużo.

…jeśli UTF-8 jest takie wspaniałe, to czemu nie jest powszechnie stosowane?

Ależ jest! Według IETF każdy nowy protokół MUSI obsługiwać UTF-8. Nawet Rada Ministrów RP wydała rozporządzenie stanowiące, że podmioty realizujące zadania publiczne są zobligowane do używania UTF-8 do kodowania tekstów, w tym, tych w formacie text/plain. Jak widać, praktycznie każda współczesna rzecz używa unikodu, tylko polskojęzyczny usenet zatrzymał się w latach 80-tych poprzedniego wieku. Przez wszystkie te lata UTF-8 było kasowane i ludzie nie mają świadomości że istnieje coś lepszego. Jedna osoba skarciła inną za charset inny niż latin2, następne to podchwyciły i tak powtarzają to do dziś, często nawet nie wiedząc o czym mówią.