Marius Mutu
8e022d332e
Squash al branch-ului de lucru plan13-s2. Clase: ofacturare (nucleul formularului unificat), ofacturare_comun, ferestre_cere_date, ocomenzi, caut_ora (lista de preturi in combo-urile de cautare), omodificari. Programe: ofacturare impartit - ofacturare_antet, ofacturare_rutare_scriere si ogrid_latimi sunt fisiere noi; oproceduri_facturare primeste discountul pe linie si cota standard de TVA cand articolul nu are cota pe politica. Documentatie: capcana SQLExec no_data_found, conventia de encoding, depanarea testelor VFP si regulile de lucru - conflictele cu modificarile venite din alte proiecte sunt rezolvate pastrand ambele parti. Loguri de rulare a testelor scoase din versionare; testele raman. Co-Authored-By: Claude Opus 5 <noreply@anthropic.com> Claude-Session: https://claude.ai/code/session_01PkyjGyrV2S7932om4kfSiK
2.9 KiB
Capcana: corupere diacritice la editarea .sc2/.vc2
Comun tuturor proiectelor ROA* - tine de formatul .sc2/.vc2 (FoxBin2Prg), nu de un proiect anume.
Faptul
Fisierele .sc2/.vc2 sunt cp1250 (Europa Centrala), nu UTF-8, desi antetul FoxBin2Prg declara CPID="1252" - eticheta din antet nu e adevarul despre encoding. Controalele cu text diacritic au FontCharSet = 238.
Tabelul de octeti (cp1250 real -> aparenta daca decodezi gresit ca cp1252)
| Litera | Byte | Aparenta cp1252 gresita |
|---|---|---|
| a cu caciula minuscul | 0xE3 | a-tilde |
| A cu caciula majuscul | 0xC3 | A-tilde |
| i cu caciula minuscul | 0xEE | identic (zona comuna cp1250/cp1252) |
| I cu caciula majuscul | 0xCE | identic (zona comuna cp1250/cp1252) |
| a circumflex | 0xE2 | identic (zona comuna cp1250/cp1252) |
| t cu virgula minuscul | 0xFE | thorn minuscul |
| S cu virgula majuscul | 0xAA | ordinal masculin |
| s cu virgula minuscul | 0xBA | ordinal feminin |
Nu "corecta" un s-cu-virgula crezand ca e typo - e litera corecta in cp1250.
Regula operationala
Orice scriere cu un tool care nu pastreaza octetii nativ (Edit/Write) corupe TOATE caracterele
= 0x80 din TOT fisierul (0xBA -> EF BF BD), chiar la o singura linie schimbata, si se repeta la FIECARE scriere. Nu re-encoda niciodata fisierul intreg: lucreaza pe octeti ([IO.File]::ReadAllBytes/WriteAllBytes cu GetEncoding(1250)) sau scrie strict ASCII in continutul nou. Editeaza tot ce ai de editat, verifica, repara o singura data DUPA ultima scriere.
Verificare (cens de octeti)
od -An -tx1 <fisier> | tr ' ' '\n' | grep -v '^$' | awk '$1>"7f"' | sort | uniq -c
La stricare censul CRESTE (un octet devine trei) - nu urmari doar scaderile. Cauta explicit
secventa EF BF BD, nu tiparul generic C3/C4/C5/C8 (acela apare si in UTF-8 legitim
din cod). Decodat cp1250, EF BF BD apare ca "�" in caption.
Varianta veche, utila cand cauti pozitia exacta (linia) a unui octet suspect:
perl -ne 'print "$.\n" if /[\x80-\xFF]/' <fisier>
Reparare
EF BF BD nu spune ce caracter s-a pierdut (toate diacriticele devin la fel) - inlocuirea
oarba cu 0xBA strica alte litere din alte pozitii. Ia octetul corect per pozitie din
svn cat <fisier> sau git cat-file blob <commit>:<cale>, din Bash, niciodata cu > din
PowerShell 5.1 (adauga BOM si re-encodeaza). Scrie inapoi ca bytes cp1250 explicit, apoi
txt2vcx.ps1 + fidelity check.
Coruperea se repeta la FIECARE scriere, nu doar la prima: editeaza tot ce ai de editat, verifica byte-level, si repara o singura data DUPA ultima scriere - nu intre editari.
Cazul simplu (s-a pierdut doar un octet, cel original cunoscut, ex. 0xBA pentru s-cu-virgula), inlocuire punctuala pe secventa corupta - acelasi risc de coliziune poate afecta si alte fisiere cu acelasi octet, nu doar pozitia curenta:
perl -e 'binmode(STDIN);binmode(STDOUT);local $/;$_=<STDIN>;s/\xEF\xBF\xBD/\xBA/g;print' < f > f.tmp