Anleitung

EBCDIC unter macOS: öffnen, bearbeiten und umwandeln

Eine Datei kam vom Mainframe, und jeder Editor auf Ihrem Mac zeigt Zeichensalat. Hier steht, warum, welche der zweiundsechzig EBCDIC-Codepages Sie wahrscheinlich brauchen, und wie Sie die Datei lesen, ändern und zurückschreiben.

Was EBCDIC ist, und warum die Datei wie Müll aussieht

EBCDIC ist die Zeichenkodierung von IBM und auf z/OS und seinen Vorgängern bis heute im täglichen Einsatz. Es ist nicht ASCII und auch keine Obermenge davon: Die Buchstaben liegen nicht zusammenhängend, die Ziffern stehen bei F0–F9, und ein Leerzeichen ist 0x40 statt 0x20. Öffnen Sie eine EBCDIC-Datei in einem Editor, der UTF-8 annimmt, sehen Sie einen Bildschirm voller Satzzeichen mit Akzenten, weil jedes Byte als das falsche Zeichen gelesen wird.

Das eine EBCDIC gibt es nicht. Es gibt Dutzende nationale Codepages, die sich bei den Buchstaben einig sind und bei fast allem anderen nicht — welches Byte ein Dollarzeichen ist, eine Raute, eine eckige Klammer, ein Umlaut. Eine deutsche Datei als amerikanische Codepage gelesen ergibt Text, der fast stimmt, mit einer Handvoll still falscher Zeichen — schlimmer als offensichtlich kaputt.

Die zweiundsechzig Codepages, die Volt liest und schreibt

Westeuropa und Amerika

• 037 — USA, Kanada
• 273 — Deutschland, Österreich
• 274 — Belgien
• 275 — Brasilien
• 277 — Dänemark, Norwegen
• 278 — Finnland, Schweden
• 280 — Italien
• 282 — Portugal
• 284 — Spanien, Lateinamerika
• 285 — Vereinigtes Königreich
• 297 — Frankreich
• 500 — International
• 871 — Island
• 924 — Latin 9
• 1047 — Latin 1, Open Systems

Die Euro-Fassungen

• 1140 — USA, Kanada, Euro
• 1141 — Deutschland, Österreich, Euro
• 1142 — Dänemark, Norwegen, Euro
• 1143 — Finnland, Schweden, Euro
• 1144 — Italien, Euro
• 1145 — Spanien, Lateinamerika, Euro
• 1146 — Vereinigtes Königreich, Euro
• 1147 — Frankreich, Euro
• 1148 — International, Euro
• 1149 — Island, Euro
• 1153 — Mitteleuropäisch, Euro
• 1154 — Kyrillisch mehrsprachig, Euro
• 1155 — Türkei, Euro
• 1156 — Baltisch mehrsprachig, Euro
• 1157 — Estland, Euro
• 1158 — Ukraine, Euro
• 1160 — Thailand, Euro
• 1164 — Vietnam, Euro

Mitteleuropa

• 870 — Mitteleuropäisch
• 1112 — Baltisch mehrsprachig
• 1122 — Estland

Kyrillisch

• 880 — Kyrillisch
• 1025 — Kyrillisch mehrsprachig
• 1123 — Ukraine
• 1166 — Kasachstan

Griechisch

• 423 — Griechenland, abgelöst
• 875 — Griechenland

Türkisch

• 905 — Türkei, Latin 3
• 1026 — Türkei, Latin 5
• 1175 — Türkei, Euro und Lira

Naher Osten

• 420 — Arabisch
• 424 — Hebräisch
• 425 — Arabisch, Latein
• 803 — Hebräisch, Zeichensatz A
• 918 — Urdu
• 1097 — Farsi

Asien

• 281 — Japan, Latein
• 290 — Japan, Katakana
• 1027 — Japan, Latein erweitert
• 838 — Thailand
• 1130 — Vietnam
• 1132 — Laos
• 1137 — Devanagari

Japanisch — Ein- und Doppelbyte

• 930 — Japanisch, Katakana-Kanji
• 939 — Japanisch, Latein-Kanji
• 1390 — Japanisch, Katakana-Kanji, JIS X 0213
• 1399 — Japanisch, Latein-Kanji, JIS X 0213

Jede wird gelesen und geschrieben — eine Datei lässt sich also öffnen, ändern und in der Codepage zurücksichern, in der sie kam, oder beim Hinausgehen in UTF-8 umwandeln, wenn das nächste System das will.

Welche Codepage er wählt, und warum er es sagt

Volt wählt durch Lesen: Er probiert die Kandidaten und behält den, dessen Ergebnis am meisten nach Sprache aussieht, statt die amerikanische Codepage anzunehmen, weil sie die häufigste ist. Die Statusleiste sagt dann, welche er gewählt hat und warum — eine Annahme, die man nicht sieht, kann man nicht korrigieren.

Zwei Codepages werden bewusst nie geraten. Griechisch (875) und Kyrillisch (880) erzeugen Bytefolgen, die von gewöhnlichen lateinischen Wörtern nicht zu unterscheiden sind — keine Bewertung kann sie ehrlich auseinanderhalten. Sie wählen die Codepage im Menü, und die Datei liest sich einwandfrei: eine gestellte Frage ist besser als eine erfundene Antwort.

Wählen Sie danach eine andere Codepage, stellt Volt die entscheidende Frage: diese Bytes in jener Codepage neu lesen, oder den Text in sie umwandeln? Das sind gegensätzliche Vorgänge, und die meisten Editoren fragen nicht.

Die Zeilenende-Falle

Eine EBCDIC-Datei enthält meist überhaupt kein 0x0A. Ihr Zeilenende ist NEL, das Byte 0x15 — ein echtes Zeilenende in jedem Sinne von Unicode, und eines, von dem die meisten Editoren nie gehört haben. Deshalb erscheint ein Mainframe-Export so oft als eine einzige Zeile von mehreren Megabyte.

Volt liest neun Arten von Zeilenenden, NEL darunter, entscheidet anhand der umgewandelten Bytes statt der rohen, welches eine Datei verwendet, und schreibt zurück, was er vorgefunden hat.

So öffnen Sie eine

• Die Datei öffnen. Ist sie erkennbar EBCDIC, wird sie als EBCDIC gelesen, und die Statusleiste nennt die Codepage.
• Stimmt die Codepage nicht — oder ist es Griechisch oder Kyrillisch, die nie geraten werden —, wählen Sie die richtige im Zeichensatz-Menü und lassen die Bytes neu lesen.
• Wie gewöhnlichen Text bearbeiten.
• In derselben Codepage zurücksichern, oder beim Hinausgehen in UTF-8 umwandeln.
• Wer sehen will, was wirklich dasteht: Der Hex-Editor zeigt Offsets, Bytes und die druckbare Spalte nebeneinander.

Fragen

Verwandte Anleitungen

• Mainframe-Dateien auf dem Mac — RDW-Sätze, feste Breite, Copybooks.
• Eine Datei in UTF-8 umwandeln — der Weg aus jeder Codepage.
• Der Hex-Editor — die Bytes selbst.
• Jede Datei, die Volt öffnet — alle 220 Zeichensätze.