Converti TXT in ASCII

Un'applicazione legacy, un dispositivo seriale, una routine di importazione o una regola di controllo del codice sorgente potrebbe rifiutare UTF-8 e accettare solo ASCII a 7 bit. La conversione modifica la codifica dei caratteri e potrebbe richiedere la sostituzione dei caratteri che ASCII non è in grado di rappresentare.

Contenuto dei file TXT

TXT è un'estensione del nome file per il testo semplice, non una codifica dei caratteri fissa. Gli editor di testo, gli esportatori di log, gli sviluppatori e gli utenti di applicazioni per ufficio creano file .txt in UTF-8, UTF-16, Windows-1252 e altre codifiche.

Un file chiamato notes.txt non è quindi automaticamente ASCII. UTF-8 è l'impostazione predefinita corrente più comune perché supporta lettere accentate, punteggiatura tipografica, scritture non latine ed emoji.

Significato di ASCII

ASCII è un set di caratteri a 7 bit con 128 valori, rappresentati dai byte 0x00 fino a 0x7F. Supporta lettere dell'alfabeto inglese, cifre, punteggiatura di base, tabulazioni e caratteri di controllo come ritorno a capo e avanzamento riga.

ASCII non è in grado di rappresentare caratteri come é, —, £, virgolette curve, caratteri cirillici, caratteri cinesi o emoji. I suoi vantaggi sono caratteri prevedibili a un byte e la compatibilità con i sistemi che richiedono esplicitamente input a 7 bit.

ASCII è una codifica, non un formato distinto di file di testo. Un sistema ricevente potrebbe richiedere un nome file .asc, .ascii o .txt, ma la sola modifica dell'estensione non modifica i byte del file.

Conversione con controllo rigoroso degli errori

Quando possibile, identifica la codifica di origine dal programma che ha creato il file. Su macOS o Linux, file -bi input.txt può fornire un'indicazione utile, ma il risultato non è definitivo.

Su macOS o Linux, usa iconv per interrompere l'operazione quando l'input contiene un carattere non rappresentabile:

iconv -f UTF-8 -t ASCII input.txt -o output.txt

Sostituisci UTF-8 con la codifica di input effettiva quando necessario, ad esempio WINDOWS-1252, UTF-16LE o UTF-16BE. Un comando non riuscito può lasciare un file di output parziale; controlla il relativo stato di uscita ed elimina l'output in caso di errore.

Python fornisce la stessa conversione rigorosa su Windows, macOS e Linux:

python -c "from pathlib import Path; s=Path('input.txt').read_bytes().decode('utf-8-sig'); Path('output.txt').write_bytes(s.encode('ascii'))"

Questo comando accetta UTF-8 con o senza un byte-order mark UTF-8 e genera un errore invece di modificare silenziosamente i caratteri non supportati. Modifica utf-8-sig solo dopo aver confermato che l'origine utilizza un'altra codifica.

Usa Visual Studio Code o un altro editor per esaminare e modificare l'origine, quindi esegui la conversione localmente dal relativo terminale integrato. Visual Studio Code può anche usare View → Command Palette → Change File Encoding → Save with Encoding e un'opzione ASCII, se disponibile, ma gli editor potrebbero sostituire i caratteri non supportati invece di generare un errore; usa un comando rigoroso per identificatori, record e altri dati esatti.

Scegliere deliberatamente le sostituzioni

Se è accettabile modificare il testo, GNU iconv può tentare la translitterazione:

iconv -f UTF-8 -t ASCII//TRANSLIT input.txt -o output.txt

La translitterazione può convertire é in e e le virgolette tipografiche in virgolette dritte. I risultati variano in base al sistema operativo e alla libreria, e i caratteri privi di un sostituto appropriato possono comunque essere omessi o causare un errore. Per dati controllati, sostituisci esplicitamente i caratteri prima della conversione e verifica ogni modifica.

Non usare l'impostazione Save As → ANSI di Windows Notepad come conversione ASCII. “ANSI” indica solitamente la code page Windows attiva, ad esempio Windows-1252, che consente byte superiori a 0x7F.

Verifica della compatibilità con il sistema di destinazione

Conferma che il sistema ricevente richieda effettivamente ASCII a 7 bit, anziché Windows-1252, “ANSI” o una code page ASCII estesa non specificata. ASCII esteso non è un singolo standard; lo stesso byte può rappresentare caratteri diversi in code page diverse.

Controlla nell'output la punteggiatura modificata, i simboli rimossi, le variazioni nella larghezza dei campi e le terminazioni di riga richieste. Il testo ASCII utilizza normalmente LF sui sistemi Unix-like e CRLF in molte importazioni orientate a Windows; la conversione della codifica non li modifica necessariamente. L'output ASCII rigoroso non deve includere un byte-order mark UTF-8.

La maggior parte dei convertitori TXT basati sul caricamento non dichiara chiaramente la codifica di output o i criteri di sostituzione. Per i file sensibili o le importazioni rigorose, usa strumenti locali; usa un servizio online solo quando offre esplicitamente l'output US-ASCII, documenta la gestione dei caratteri non supportati e la relativa informativa sulla privacy consente il caricamento.