Marius Mutu
940bb39701
Borderoul tine per factura ce mai are de completat si daca are articole de gestiune (camp gest, coloana si filtru), coada contabilizeaza in serie facturile bifate si incheie cu un rezumat, iar contul de furnizor/client se alege din planul de conturi. Cheia normalizata de articol, rezolvarea automata a partenerului si anularea in bloc intra tot aici. Pozitia in lista se pastreaza peste reaplicarea filtrului. Co-Authored-By: Claude Opus 5 <noreply@anthropic.com> Claude-Session: https://claude.ai/code/session_01Aroafxp4z8bmM5oVECZRXY
83 lines
3.5 KiB
Markdown
83 lines
3.5 KiB
Markdown
# Capcana: corupere diacritice la editare (.sc2/.vc2 si orice fisier non-ASCII)
|
|
|
|
Comun tuturor proiectelor ROA*.
|
|
|
|
## Regula generala (orice fisier)
|
|
|
|
Orice fisier care contine octeti non-ASCII (>= 0x80) se editeaza numai byte-safe -
|
|
PowerShell `[IO.File]::ReadAllText`/`WriteAllText` cu `GetEncoding(<codepage>)` - niciodata cu
|
|
Edit-ul agentului: acesta rescrie fisierul ca UTF-8 si inlocuieste octetii non-ASCII cu `EF BF BD`
|
|
(caracterul de inlocuire), inclusiv in zone neatinse si inclusiv in `.prg` obisnuite, nu doar
|
|
`.sc2`/`.vc2`. Cens obligatoriu inainte SI dupa editare: numarul si secventa octetilor >= 0x80
|
|
trebuie sa fie identice (citire ca bytes; comparatie cu `git show HEAD:<cale>` cand fisierul e
|
|
urmarit).
|
|
|
|
## Specific .sc2/.vc2 (FoxBin2Prg)
|
|
|
|
Tine de formatul .sc2/.vc2, 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)
|
|
|
|
```bash
|
|
od -An -tx1 <fisier> | tr ' ' '\n' | grep -v '^$' | awk '$1>"7f"' | sort | uniq -c
|
|
```
|
|
|
|
La stricare censul CRESTE (un octet devine trei) - nu urmari doar scaderile. Cauta explicit
|
|
secventa `EF BF BD`, nu tiparul generic `C3`/`C4`/`C5`/`C8` (acela apare si in UTF-8 legitim
|
|
din cod). Decodat cp1250, `EF BF BD` apare ca "�" in caption.
|
|
|
|
Varianta veche, utila cand cauti pozitia exacta (linia) a unui octet suspect:
|
|
|
|
```bash
|
|
perl -ne 'print "$.\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:
|
|
|
|
```bash
|
|
perl -e 'binmode(STDIN);binmode(STDOUT);local $/;$_=<STDIN>;s/\xEF\xBF\xBD/\xBA/g;print' < f > f.tmp
|
|
```
|