nroff / groff无法正确转换utf-8编码文件

Posted 2021-05-05

我有一个utf-8编码的roff文件，我想转换为手册页

$ nroff -mandoc inittab.5

但是，[äöüÄÖÜ]中的字符，例如没有正确显示，因为似乎nroff假定ISO 8859-1编码（我正在获得[äöüÃÃÃ）。用nroff标志调用-Tutf8不会改变行为，并且locale环境变量（我假设正确）设置为

LANG=de_DE.utf8
LC_CTYPE="de_DE.utf8"
LC_NUMERIC="de_DE.utf8"
LC_TIME="de_DE.utf8"
LC_COLLATE="de_DE.utf8"
LC_MONETARY="de_DE.utf8"
LC_MESSAGES="de_DE.utf8"
LC_PAPER="de_DE.utf8"
LC_NAME="de_DE.utf8"
LC_ADDRESS="de_DE.utf8"
LC_TELEPHONE="de_DE.utf8"
LC_MEASUREMENT="de_DE.utf8"
LC_IDENTIFICATION="de_DE.utf8"
LC_ALL=

由于nroff只是一个包装脚本，并最终calles groff我检查了后者的调用，这是：

$ groff -Tutf8 -mandoc inittab.5

比较src文件和输出文件中字符的字节编码，我得到以下转换：

character  src file  output file
---------  --------  -----------
ä          C3 A4     C3 83 C2 A4
ö          C3 B6     C3 83 C2 B6
ü          C3 BC     C3 83 C2 BC
Ä          C3 84     C3 83
Ö          C3 96     C3 83
Ü          C3 9C     C3 83
ß          C3 9F     C3 83 

这种行为对我来说似乎很奇怪（为什么我得到一个额外的C3 83并且对于大的变音符号和ß将原始字节序列全部截断？）

为什么这样，我如何使nroff / groff正确转换我的utf-8编码文件？

编辑：我正在使用GNU nroff (groff) version 1.22.2

答案

与其他troff实现（即Plan 9和Heirloom troff）不同，groff不支持文档中的UTF8。但是，可以使用preconv(1)预处理器实现UTF8输出，该预处理器将文件中的UTF8字符转换为groff本机转义序列。

以这个groff_ms(7)文件为例：

.TL
StackOverflow Test Document
.AU
ToasterKing
.PP
I like going to the café down the street

äöüÄÖÜ

通常使用groff，我们得到：

                StackOverflow Test Document


                        ToasterKing


     I like going to the café down the street

äöüÃÃÃ

但是当使用preconv | groff或groff -k时，我们得到：

                StackOverflow Test Document


                        ToasterKing


     I like going to the café down the street

äöüÄÖÜ

查看preconv的输出，您可以看到它如何将字符转换为转义序列：

.lf 1 so.ms
.TL
StackOverflow Test Document
.AU
ToasterKing
.PP
I like going to the caf[u00E9] down the street

[u00E4][u00F6][u00FC][u00C4][u00D6][u00DC]