direkter Umlaut oder lieber HTML Code in Epub ?

[NASCARaddicted]

Der Thread Titel ist vielleicht etwas schwer verständlich ... darum fang ich mal vorne an:

Ich hab neulich ein paar pdf Dateien mit dem MobiPocket Creator in html umgewandelt, um sie zu editieren und in epub weiterumzuwandeln.

Dabei fiel mir auf: die ganzen deutschen Umlaute wie üöä ß, etc sind bei diesen Dateien nicht normal geschrieben sondern in html code. Also das ü ist dann &uuml ; das Ö ist &Ouml ; das ß ist &szlig ;

Ist es zwingend notwendig diese Buchstaben in html zu schreiben, oder kann ich auch direkt über die normalen Tasten gehen ? Wenn ich die Zeichen direkt eingeben kann ist es übersichtlicher, aber wie ist es mit einem epub check ? Stört der sich an solchen Sonderzeichen ? Aber ein Wort wie Türschloß ist so doch besser lesbar als T&uuml ;schlo&szlig ;

(Und bevor sich jemand wundert: Ich hab absichtlich ein Leerzeichen vor jedem ; eingefügt, weil ich nicht weiß ob der Browser es dann nicht falsch anzeigt)

Und wenn ich schon gerade am schreiben bin: zwischen "Name in html" und "Unicode in html" gibt es doch keinen Unterschied, oder ? Ich meine folgendes: In den Dokumenten wird &bdquo ; für das untere Gänsefüßchen benutzt. Ich hab das mal testweise geändert in „ ; dabei fiel mir folgendes auf:Wenn ich eine Datei mit Notepad ansehe dann zeigt er mir bei „ ein " an (zwar nicht unten, aber sinngemäß richtig). Benutze ich aber &bdqo ; dann zeigt Notepad auch nur &bdquo ;. Darum habe ich mal alle &bdquo ; in „ ; geändert. Das dürfte aber eigentlich egal sein, oder ?

Aber wie gesagt, das mit den Umlauten weiter oben, das ist im Moment viel wichtiger für mich. Wenn mir da jemand genaueres sagen kann ... Danke im vorraus

[netseeker]

Die (X)HTML-Spezifikation, auf welcher ePub in Teilen basiert, schreibt die Ersetzung aller nicht im Zeichenvorrat des von der (X)HTML-Datei verlangten Zeichensatzes vor. (Bei iso-8859-1 muss z.B. das Eurosymbol durch den HTML-Code ersetzt werden, weil das Eurosymbol da nicht als Zeichen definiert ist) Zusätzlich gibt es reservierte und auch verbotene Zeichen (<, >, &, ' und ja eigentlich auch das doppelte Anführungszeichen oben "). Da selbst bei direkter Angabe des gewünschten Zeichensatzes in einer (X)HTML-Datei nicht garantiert ist, dass die Software, welche den Inhalt darstellt (im Regelfall hier ein Browser, bei ePub ein ePub-Reading-System), den gewünschten Zeichenvorrat unterstützt, gibt es für fast alle "erweiterten Zeichen" die sog. HTML-Codes "&irgendwas;".

Es ist mit der Ausnahme von Dateien in einem Unicode-Zeichensatz im Lauf der Jahre zum Quasi-Standard geworden möglichst immer die HTML-Codes zu verwenden um Probleme mit nicht unterstützten Zeichensätzen zu vermeiden.

Weitere Details hier im SelfHtml.

Also lange Rede kurzer Sinn: Bis auf die explizit reservierten 5 Zeichen muss man keine HTML-Codes verwenden und ' sowie " werden selbst bei Verletzung dieser Regel eigentlich von jeder Software korrekt dargestellt. Benutzt man jedoch keinen Unicode-Zeichensatz, sollte man definitiv für alle Sonderzeichen mit den HTML-Codes arbeiten um häufig auftretende Darstellungsprobleme zu vermeiden.

[NASCARaddicted]

ok, danke, vor allem für den Link.

Die Iso 8859 Kennung hab ich eh immer im HTML Header stehen. Und eigentlich hab ich eh nicht vor, meine epubs zu vertreiben. Mir ging es eigentlich nur um die Zukunft, falls ich mir mal einen anderen Ebook-Reader kaufe. Aber ich denke die Standard Ebook Reader die man so kaufen kann dürften alle kein Problem mit Iso 8859 haben.

Also danke nochmal.

[mtravellerh]

Originally Posted by NASCARaddicted

ok, danke, vor allem für den Link.

Die Iso 8859 Kennung hab ich eh immer im HTML Header stehen. Und eigentlich hab ich eh nicht vor, meine epubs zu vertreiben. Mir ging es eigentlich nur um die Zukunft, falls ich mir mal einen anderen Ebook-Reader kaufe. Aber ich denke die Standard Ebook Reader die man so kaufen kann dürften alle kein Problem mit Iso 8859 haben.

Also danke nochmal.

UTF-8 verstehen meines Wissens nach auch alle, zumindestens Reader mit ADE!

[LuHa]

Nach der Formatdefinition (http://www.hxa.name/articles/content...7241_2007.html) soll nur UTF-8 oder UTF-16 als Zeichensatz verwendet werden. Damit kann man nahezu alle (un)möglichen Umlaute und Sonderzeichen abbilden ohne &*uml; zu verwenden.

[NASCARaddicted]

Danke LuHa

Ich bin mittlerweile soweit, daß ich meine ebooks in UTF schreibe, mit den Umlauten.

Was ich allerdings noch mache ist: bei einige Sonderzeichen, wie z.B. einem Gedankenstrich oder deutsche Gänsefüßchen benutze ich weiterhin HTML Code.

Dafür gibt es mehrere Gründe. Deutsche Gänsefüßchen habe ich beispielsweise nicht auf der Tastatur. Wenn ich im Editor danach suchen will, kann ich es also nicht direkt eintippen sondern ich brauche erst eine Musterdatei aus der ich das Zeichen dann rauskopieren kann.

Und bei manchen Zeichen wie z.B. ' und `gibt es je nach Schriftart Verwechslungsgefahr, ebenso beim Bindestrich (-) und dem Gedankenstrich (ndash).

Es dürfte unter UTF ja wohl kein Problem sein Umlaute und html code zu mischen ...

[mtravellerh]

Originally Posted by NASCARaddicted

Danke LuHa

Ich bin mittlerweile soweit, daß ich meine ebooks in UTF schreibe, mit den Umlauten.

Was ich allerdings noch mache ist: bei einige Sonderzeichen, wie z.B. einem Gedankenstrich oder deutsche Gänsefüßchen benutze ich weiterhin HTML Code.

Dafür gibt es mehrere Gründe. Deutsche Gänsefüßchen habe ich beispielsweise nicht auf der Tastatur. Wenn ich im Editor danach suchen will, kann ich es also nicht direkt eintippen sondern ich brauche erst eine Musterdatei aus der ich das Zeichen dann rauskopieren kann.

Und bei manchen Zeichen wie z.B. ' und `gibt es je nach Schriftart Verwechslungsgefahr, ebenso beim Bindestrich (-) und dem Gedankenstrich (ndash).

Es dürfte unter UTF ja wohl kein Problem sein Umlaute und html code zu mischen ...

Für die Umlaute würde ich mit UTF eindeutig keinen Code nutzen, bei anderen Dingen, die nicht auf einer normalen Tastatur sind (wie beispielsweise

—

ist Code unumgänglich!

[Meriku]

Ich hänge mich mal mit meinem Problem dran:
Ich möchte aus einer Web Site ein ePub erstellen. Hier kommen zahlreiche Buchstaben mit Macron (Ā, ā, Ū, ū etc.) und auch noch andere Zeichen vor (T oder I auf einem Punkt etc.). Irgendwie schaffe ich es nicht, sie meinem Sony Reader schmackhaft zu machen.
Sowohl beim Import der HTML-Originaldatei in Sigil, als auch der Eingabe der Zeichen im Uni-Code (z. B. & #257; ) oder die Konvertierung einer entsprechenden PDF-Datei mit Calibre zeigt mir die Buchstaben an. Sie erscheinen nur als Fragezeichen. Übrigens sind auf dem Reader die Buchstaben beim Ansehen der PDF-Datei richtig dargestellt.

Kann mir jemand einen Tipp geben?

[troll05]

Originally Posted by Meriku

Ich hänge mich mal mit meinem Problem dran:
Ich möchte aus einer Web Site ein ePub erstellen. Hier kommen zahlreiche Buchstaben mit Macron (Ā, ā, Ū, ū etc.) und auch noch andere Zeichen vor (T oder I auf einem Punkt etc.). Irgendwie schaffe ich es nicht, sie meinem Sony Reader schmackhaft zu machen.
Sowohl beim Import der HTML-Originaldatei in Sigil, als auch der Eingabe der Zeichen im Uni-Code (z. B. & #257; ) oder die Konvertierung einer entsprechenden PDF-Datei mit Calibre zeigt mir die Buchstaben an. Sie erscheinen nur als Fragezeichen. Übrigens sind auf dem Reader die Buchstaben beim Ansehen der PDF-Datei richtig dargestellt.

Kann mir jemand einen Tipp geben?

Klingt so,als würde dein Sony einen Font verwenden, der diese Sonderzeichen nicht unterstützt. Guck mal im Sony Forum nach, wie man bei den Dingern neue Fonts einspielt. Habe mal irgendwann gelesen, daß es bei allen Modellen geht. Je nachdem wie es als PDF formatiert ist kann es durchaus sein, das da die Darstellung richtig ist. Hast du mal PDF Reflow eingestellt, geht es dann immer noch?

[NASCARaddicted]

Könnte das auch an der Kodierung liegen?

Ich hatte auch schon Probleme mit Sonderzeichen, je nachdem welche Kodierung ich benutzt habe. Wenn ich mich richtig erinnere bekam ich bei "Ansi" immer Probleme.
Mittlerweile benutze ich nur noch die Kodierung UTF-8 und damit hatte ich noch keine Probleme mit Sonderzeichen.

Wie sieht den die erste Zeile der html-Datei aus?

Bei mir steht da
<?xml version="1.0" encoding="UTF-8"?>

Ich bin allerdings kein Fachmann was das angeht (obwohl ich seit dem Start dieses Beitrags viel gelernt habe), aber wie gesagt bei mir hat das mit der Kodierung viel ausgemacht (ich benutze allerdings auch kein Sony Gerät sondern ein Bebook)

[Meriku]

Vielen Dank für die Antworten.

@ troll05
PDF Reflow? Wenn ich die Schrift bei PDF-Dokumenten auf dem Reader vergrößere, wird das Dokument in der Regel umformatiert und die Schrift fließt in der anderen Größe neu. Ist das gemeint? Hier werden die Zeichen auch noch richtig dargestellt.

@NASCARaddicted
Meine ersten Zeilen bezeichnen nur die Version nicht den Zeichencode. Ich habe die Zeile mal nach Deinem Muster ergänzt. Es ist aber keine Änderung in der Dokumentendarstellung erkennbar.

Ich versuche mal, andere Fonts einzustellen.

[Meriku]

Kurzer Zwischenbericht:

Der Sony Reader PRS-350 (wie wahrscheinlich die anderen Sony Reader auch) kann mit den mitgelieferten Standardschriften keine exotischen Sonderzeichen darstellen.
Die PDF-Dokumente haben die notwendigen Schriften in der Regel im Dokument mit eingebettet. Diese werden bei der Konvertierung z. B. mit Calibre aber nicht mitgegeben.
Das führt dazu, dass die konvertierten Dateien oder Texte aus anderen Quellen mit diesen Zeichen nicht korrekt dargestellt werden können. Die relevanten Zeichen erscheinen als Fragezeichen, Kästchen o. ä.

Abgesehen von der Manipulation der Firmware ist eine Lösung, auf dem Reader selbst oder eben in der epub-Datei die Fonts ebenfalls mit bereitzustellen. Hierzu gibt es in den englischen Nachbarforen zahlreiche Anleitungen. (Die Möglichkeit ist mir in Sigil auch schon aufgefallen.)
Wenn ich was Brauchbares vorzuweisen habe, schreibe ich Näheres.
Für unsere Spezialisten ist das sicher nichts Neues. Ich kämpfe mich gerade rein.

[NASCARaddicted]

Originally Posted by Meriku

Abgesehen von der Manipulation der Firmware ist eine Lösung, auf dem Reader selbst oder eben in der epub-Datei die Fonts ebenfalls mit bereitzustellen. Hierzu gibt es in den englischen Nachbarforen zahlreiche Anleitungen. (Die Möglichkeit ist mir in Sigil auch schon aufgefallen.)
Wenn ich was Brauchbares vorzuweisen habe, schreibe ich Näheres.
Für unsere Spezialisten ist das sicher nichts Neues. Ich kämpfe mich gerade rein.

Also davon die Firmware zu manipulieren halte ich nichts. Wenn du mal das Gerät wechselst oder ein freies Ebook an jemanden anderen weitergibst, der auch ein Sony Gerät hat, dann hat er das gleiche Problem.

Ich hab es neulich selbst mal probiert: einen neuen Font in eine epub-Datei einzufügen ist keine große Schwierigkeit. Ich hab es neulich selbst mal probiert. Und im Internet gibt es viele freie Schriftarten (allerdings haben nicht alle Schriftarten alle Sonderzeichen drin.)

[Meriku]

An die Firmware möchte ich auch nicht ran. Das sehe ich genauso.
Ich denke, ich habe einen freien Font gefunden, der die benötigten Sonderzeichen (und viele mehr) hat, und der auch in Versionen mit und ohne Serifen, Bold etc. bereitsteht (Deja Vu).
Als nächstes werde ich versuchen, den Font in die epubs zu integrieren. Jetzt gehe ich aber erst mal in Urlaub und lasse die Sache ruhen.
Hättest Du eine Quelle, die das Vorgehen zum Einfügen von Fonts mit Sigil beschreibt?

[NASCARaddicted]

Ich hab diese Website gefunden und kam damit ganz gut klar.

http://blog.threepress.org/2009/09/1...in-epub-files/

Allerdings benutze ich Sigil nicht, ich bearbeite die html Datei und wandle sie dann nur noch mit Calibre in epub um. Das hat auch problemlos geklappt.