histform.html

   1 <HTML>
   2 <HEAD>
   3 <TITLE>Kommentar til HISTFORM</TITLE>
   4 <LINK REV="made" HREF="mailto:petterr@cs.uit.no">
   5 </HEAD>
   6 <BODY>
   7 <H1>Kommentar til HISTFORM</H1>
   8
   9 <H2>Kommentar til "Felles registrerings-instrukser for folketellingene
  10 1865-1910"</H2>
  11
  12 Ang. markering av utydeligheter, 1)a). <P>
  13
  14 Både uklarheter i slutten av ordet og usikkerhet på hele ordet
  15 markeres som "bokstaver??".  Det er ikke enkelt mulig å skille disse
  16 tilfellene.  Jeg foreslår at man markerer usikkerhet i hele ordet som
  17 "bokstaver ??" mens uklarheter i slutten av ordet som "bokstaver??",
  18 dvs. mellomrom før ??.
  19
  20 <H2>Kommentar til teknisk spec. av utvekslingsformat</H2>
  21
  22 <H3>Punkt 2</H3>
  23
  24 Tegnet '&lt;' brukes som skilletegn. "Dette medfører at
  25 tegnet '&lt;' ikke må forekomme i dataverdiene." <P>
  26
  27 Det er for dumt å nekte å akseptere et bestemt tegn fordi det brukes
  28 som feltseperator.  Det må istedet velges en brukbar koding av dette
  29 tegnet.  Aktuelle kodingsmetoder er '\&lt;' (slik som unix. '\' kodes
  30 med '\\') Annet alternativ er '&amp;lt;' slik HTML bruker. &amp; blir
  31 da kodet &amp;amp; <P>
  32
  33 <H3>Punkt 4</H3>
  34
  35 Ang. CR + LF som linjeskille.  Det kunne være en ide å standardisere
  36 bruk av CR + LF men også akseptere bruk av bare LF (som unix) eller
  37 bare CR (som Mac.) slik at mye brukte metoder for linjeslutt er
  38 akseptert.  Programmene skal da kunne håndtere alle variantene.
  39
  40 <H3>Punkt 6</H3>
  41
  42 <B>Man bør ikke legge seg på et utvekslingsformat med tegnsett som
  43 ikke følger internasjonale konvensjoner for tegnsett!  </B> <P>
  44
  45 ISO 8859/1 er i dag det tegnsettet som er spesifisert av
  46 internasjonale standardiseringsorganer for bruk i Norge.
  47
  48 MS-DOS' tegnkoder gir en risiko ved transport over linker med
  49 stripping til 7-bits.  De norske tegnene for æ, ø og å ender opp som
  50 kontrollkoder.  Dette oppstår ikke ved ISO 8859/1.  I tillegg har ISO
  51 spesifisert andre tegnsett som gir mulighet for russisk, hebraisk og
  52 det meste i sine standarder ISO 8895/[1-15].  Jeg ber om at man legger
  53 seg på den første som standard utvekslingsformat.  Dette er også det
  54 MS-Windows har som standard tegnsett under navnet ANSI, og som danner
  55 utgangpunktet for UNICODE - 16-bits tegnsett. <P>
  56
  57 <B>Man bør heller ikke kreve at alle filene følger et spesiellt
  58 tegnsett.</B> <P>
  59
  60 Det bør legges inn informasjon i formatet som forteller hvilket
  61 tegnsett som benyttes.  Det kan oppstå tilfeller da denne standarden
  62 brukes for å registrere data med tegn som ikke finnes i
  63 standard-tegnsettet, og det bør da være mulig å spesifisere
  64 alternativ. <P>
  65
  66 <H3>Punkt 7</H3>
  67
  68 Det er ingen tungtveiende argumenter for å la utvekslingsformatet
  69 bestå av flere filer.  Det er mye enklere å håndere en fil
  70 pr. registrering.  Ved å legge dokumentasjonsfila først i
  71 utvekslingsfila kan alt sendes som en fil.  Et dertil egnet skilletegn
  72 for start på datafeltene kan være '--- Data starts here ---' eller noe
  73 slikt. <P>
  74
  75 <HR>
  76 <ADDRESS>Petter Reinholdtsen -
  77 <A HREF="mailto:petterr@stud.cs.uit.no">petterr@stud.cs.uit.no</A></ADDRESS>
  78
  79 </BODY>
  80 </HTML>
  81