GEDCOM/CHAR-Tag

Name und Bedeutung

Tag

CHAR

Formelle Bezeichnung

CHAR

Deutsche Bezeichnung

CHAR steht für Character-set, auf Deutsch: Zeichensatz.

Verwendung

Über das tag CHAR soll die Kodierung der in der GEDCOM Datei benutzten Buchstaben und Zeichen festgelegt werden.

Formale Beschreibung zulässiger Werte

Basis

Basis dieser Beschreibung: GEDCOM Standard Draft 5.5.1

Der Standard erlaubt die Verwendung folgender Kodierungen:

- 8-Bit ANSEL

- ASCII (USA Version)

- UNICODE

- UTF-8

Standardfall

Jede GEDCOM Datei soll im Header Angaben zur benutzten Kodierung geben. Das Format ist wie folgt:

1 CHAR <Zeichensatzkodierung>

Beispiel:

1 CHAR UTF-8

! Achtung: Es sind nur folgende Kodierungen erlaubt.

<Zeichensatzkodierung> := ANSEL |UTF-8 | UNICODE | ASCII

Optionale Angaben

keine

Entscheidungsvorschlag zu CHAR

Unter Einarbeitung der Diskussion in der Gedcom-L wird hier ein erster Versuch gemacht, einen Entscheidungsvorschlag vorzustellen. Die Punkte sind gegliedert und mit Punktkennzeichnungen wie E1, E2, ..., I1, ... bezeichnet, damit in der Diskussion leichter darauf verwiesen werden kann.

Der Vorschlag wird jetzt zur Diskussion gestellt. Er kann abgeändert oder durch Alternativvorschläge ergänzt werden. Nach der Diskussion soll es dann über eine Abstimmung zu einer Vereinbarung zu diesem Umfang kommen.

Vorschläge zu Vereinbarungen zu CHAR bezüglich Export

• E1 Angabe der Kodierung
  • Die in der Datei verwendete Kodierung wird im Kopf („Header“) der Datei explizit angegeben in der Form:
  • 1 CHAR Zeichensatzkodierung

• E2 Standard-Kodierung
  • Der Export in der Kodierung UTF-8 muss unterstützt werden, diese Kodierung wird als Standard-Kodierung eingestellt.

• E3 Optionale Kodierungen
  • Weitere, im GEDCOM-Standard 5.5.1 aufgeführte Kodierungen dürfen optional unterstützt werden: ANSEL, ASCII, UNICODE (=UCS-2).

• E4 Duldung ANSI
  • Die Unterstützung der ANSI Kodierung wird geduldet, d.h. sie darf als Option unterstützt werden, obwohl ANSI nach GEDCOM Standard 5.5.1 nicht zulässig ist.

• E5 Warnung bei unvollständigem Export
  • Wählt der Anwender beim Export eine Kodierung, die nicht alle in der aktuellen Datei vorkommenden Zeichen unterstützt, so gibt das Programm eine Warnung aus.

• E6 Position CHAR im Header
  • CHAR wird im Header so weit nach oben gestellt, dass vor dem tag CHAR keine Zeichen ausserhalb des US_ASCII Umfanges auftreten.

Vorschläge zu Vereinbarungen zu CHAR bezüglich Import

• I1 Unterstützung von Kodierungen
  • Beim Import müssen die Kodierungen UTF-8 und ANSEL unterstützt werden

• I2 Unterstützung weiterer Kodierungen
  • Weitere Kodierungen aus E3 dürfen unterstützt werden, die Unterstützung wird empfohlen

• I3 Duldung und Unterstützung ANSI
  • Die Unterstützung der Kodierung ANSI wird geduldet. Für eine Übergangszeit muss der Import von ANSI-kodierten Dateien unterstützt werden. Beim Import von ANSI Dateien darf das Programm den Nutzer nach der Codepage fragen.

• I4 Erkennung der Kodierung
  • Die Kodierung muss automatisch vom Programm erkannt werden, wenn sie nach E1 und E6 korrekt angegeben ist.

• I5 Warnmeldung bei unvollständigem Import
  • Kann eine importierte Datei mit den in I1 vereinbarten Kodierungen intern nicht vollständig verarbeitet werden, so wird dem Nutzer eine Warnmeldung gegeben. Tritt das Problem mit nach I2 oder I3 kodierten Dateien auf, so soll ebenfalls eine Warnmeldung gegeben werden.

Kennzeichnung durch Byte Order Mark (BOM)

• B1 BOM beim Export
  • Das Byte Order Mark (BOM) wird bei UNICODE-Kodierungen ( UTF-8, USC-2 ) ausgegeben.

Alternativvorschlag:

• B1 -A- BOM beim Export
  • Das Byte Order Mark (BOM) kann beim Export optional ausgegeben werden.

• B2 BOM beim Import
  • Über Erkennungsroutinen wird eine automatische Erkennung sichergestellt, ob ein BOM in der einzulesenden Datei vorhanden ist, und wenn ja, welches BOM.

Behandlung/Darstellung schwieriger Situationen

Folgende Themen sind derzeit in der GEDCOM-Arbeitsgruppe von Compgen mit den Programmentwicklern in Diskussion:

Standard Kodierung beim Export

Folgende GEDCOM 5.5.1 konforme Optionen stehen zur Zeit zur Diskussion:

• UTF-8
  • Erlaubt die unproblematische Darstellung von internationalen Zeichen
  • Wird von einigen Programmen nicht unterstützt
• ASCII
  • Zu limitiert
• ANSEL
  • Gute Unterstützung von internationalen Zeichen
  • Kaum benutzt und geringe Verbreitung
• UNICODE
  • Wird im Standard als UCS-2 definiert.
  • Gute Unterstützung von internationalen Zeichen, aber nicht so umfangreich wie UTF-8
  • Wird von wenigen Programmen unterstützt

Bemerkung: ANSI ist zwar nicht GEDCOM 5.5.1 konform, scheint aber heute noch von vielen Genealogieprogrammen als das Standardformat beim Import erwartet zu werden.

Status:

OFFEN

Mindestanforderung zu den optionalen Kodierungen beim Export

Die Frage kam auf, ob neben der als Standard festgelegten Kodierung weitere Kodierungen als Alternativen angeboten werden sollen. Falls weitere Kodierungen angeboten werden sollen ist außerdem zu entscheiden welche alternative(n) Kodierung(en) angeboten werden muss/müssen.

• UTF-8
• UNICODE
• ASCII
• ANSEL

• ANSI (nicht GEDCOM 5.5.1 konform)

Lösungsvorschlag:

• Jedes Programm bietet als Standard-Export die Kodierung UTF-8.
• Als Option sollte mindestens ein Export mit Kodierung ANSI angeboten werden, (den die meisten Programme heute als Standard haben).

Status:

OFFEN

Mindestanforderung von Kodierungen beim Import

Zu klären ist, welche Kodierungen ein Programm beim Einlesen von Dateien mindestens unterstützen muss:

• UTF-8
• UNICODE
• ANSI
• ASCII
• ANSEL

Lösungsvorschlag:

• Jedes Programm soll mindestens UTF-8 und ANSI beim Import verarbeiten können.

Status:

OFFEN

Benutzung der Byte Order Mark (BOM) bei UNICODE Kodierungen

Folgende Optionen zur Unterstützung der BOM stehen offen:

• BOM muss unterstützt werden.
• BOM kann angegeben werden.
• BOM darf nicht benutzt werden (Probleme bei älteren Programmen).

Status:

OFFEN

Versionsangaben bei UNICODE Kodierungen

Zu klären bleibt, ob eine Versionsangabe bei UNICODE nötig oder optional sein soll.

Status:

OFFEN