Вход:  Пароль:  
FreeSource: TZ/IDTags ...
Free Source | Каталог | Изменения | НовыеКомментарии | Пользователи | Регистрация |

Russian and Unicode ID3 tags


Оглавление документа

Предисловие


Так получилось, что у меня выдалось сколько-то свободного времени и я решил немножко позаниматься всякими около-юникодными делами, начав с того, что поставил себе локаль ru_RU.UTF-8 и решив немножко поразбираться с тем бардаком, который я подспудно подозревал, наличествует в том, что в mp3-файлах называется тэгами ID3.


Тогда я даже близко не подозревал о размерах этого самого бардака. Начну издалека.

Ogg/Vorbis


Есть хороший и замечательный по всех отношениях, но относительно малораспространенный формат Ogg/Vorbis. В нем возможность вставлять метаинформацию в файл сделана ужасно просто, тупо, но зато работает везде и всегда. В начало файла вставляются пары «имя=значение», где список «имен» – well known, т.е. есть те, которые зафиксированы стандартом и их понимают все, а те приложения, которым нужно, могут добавлять свои расширения. Значения всегда являются текстовыми юникодными строчками, закодированные в utf8. Работает железно, за исключением, может быть, самых сильно мозгоповрежденных приложений, принимающих utf8 за us-ascii, но им ничего не поможет вообще.

Разнообразие ID3


С mp3 все, к сожалению, на порядки хуже. Тем, кто придумывал тэги ID3, стоит оторвать все, что только можно, только не поможет уже: стандарт закреплен, плодить и пытаться внедрять новые стандарты сейчас – фактически нереально.


Стандарт повествует нам о том, что если только брать современные, не вымершие еще повсеместно варианты тэгов, есть как минимум id3v1 и id3v2 – это знают почти все, даже многие знают, чем они отличаются. На самом деле все хуже. Бывает как минимум id3v1, id3v1.1, id3v2.3 и id3v2.4, которые друг с дружкой не очень совместимы. Дальше – еще хуже.


С id3v1.* все понятно – полудохлый стандарт, умеет только фиксированное количество полей небольшой длины и только в 8-битной кодировке, как правило, совпадающей с 8-битной национальной кодовой страницей локальной системы (хотя стандарт декларирует там использование только кодировки iso8859–1).


С id3v2.* все хуже: стандарт дает возможность для каждой текстовой строчки определить свою кодировку. В состав кодировок входят, как ни странно, iso8859–1, utf16-be, utf16-le и utf8.


Наиболее распространенным вариантом, особенно для русских тэгов, без сомнения, является вариант записи их в 8-битной национальной кодировке системы (для русских – это windows-1251) в тэг формата id3v2.*, указав кодировку iso8859–1. Это формально не соответствует стандарту вообще, но де-факто – это уже давно так. В Windows-системах 8-битная кодировка задается тупо, соответствующей 8-битной кодовой странице (для русского языка – только windows-1251), в почти всех железных плеерах есть некий выбор региона, который, в частности и устанавливает эту кодировку.

Анализ бардака с помощью test suite


К сожалению, фришный софт отнюдь не всегда учитывает эти реалии. Да по большому счету – и проверить-то это толком не проверишь – потому как зайдя на http://www.id3.org/ можно увидеть, что у них планируется некий test suite, но он еще в разработке, да и потом, когда будет – он будет за деньги.


Поэтому как первый шаг разбирательства в этом бардаке я создал свой test suite. Он представляет собой набор маленьких mp3-файлов с различными тэгами. Файлы называются так:


[язык]-[версия ID3]-[кодировка].mp3


[язык] – это “rus” для русских тэгов (использующих символы кириллицы) и “fra” для «псевдофранцузских» тэгов (использующих символы набора latin1, в том числе не только us-ascii);


[версия ID3] – это “1” для 1.x, “23” для 2.3, “24” для 2.4;


[кодировка] – это “iso8859–1”, “utf16-le”, “utf16-be” и “utf8”;


Не все комбинации возможны, допустимы или интересны для исследования. Те файлы, что находятся в директории non-standard – нестандартны и их поддержка не обязательна.

Как это работает


Работает это на самом деле очень просто: вся пачка файлов загружается в исследуемый продукт и смотрится, какие файлы прочитались, какие – нет. Для файлов с русскими тэгами должны появляться легко опознаваемые фразы на русском языке («Русский трек» – «Русский альбом» – «Русский артист»), для файлов с псевдофранцузскими тэгами должны появляться тэги с обилием символов с диакритическими значками – точечками, кружочками и прочими загогулинами. Для тэгов, записанных в 8-битной кодировке (помеченных как iso8859–1), в случае русских тэгов в продукте должна быть выставлена русская перекодировка, в случае псевдофранцузских – французская или паневропейская.


Обращаю внимание на то, что тестируется чтение тэгов из файлов, а никак не возможность записи.


Сам test suite можно взять здесь [4K]:


http://www.lrn.ru/~greycat/suite.zip

Результаты тестирования


То, что выяснилось в результате, можно посмотреть в tab-separated файле-табличке здесь:


http://www.lrn.ru/~greycat/compat.txt
Тестирование iRiver H320 ver. 1.06E


Результаты неутешительны. Более-менее прилично умеет обращаться с тэгами из протестированного софта только виндовый freeware foobar2000. Он же умеет писать большинство вариантов тэгов и имеет вменяемые переключатели, в каком формате читать и писать.


В Unix-системах к нему приближаются eyeD3 на Python и приложения на libtag. И первым, и вторым мешает отсутствие перекодировки 8-битных кодировок не только в де-юре стандартной iso8859–1.


Такие популярные плееры, как xmms, winamp2 и Windows Media Player – терпят сокрушительное поражение. Некоторые версии тэгов в файлах приводят даже к полной нечитаемости этих файлов в некоторых из плееров.

Выводы


Так как наша задача не просто предаваться унынию, а как-то это фиксить и идти дальше, по этому поводу возникают следующие мысли:


1. Необходимо оттестировать как можно больше приложений и железок с целью выяснения наиболее адекватных на данный момент форматов. Пока мне оными представляются:




комментарий Nick Grechukh:

мне кажется, оптимальнее будет id3v1 держать в 8-bit 1251 (коль уж так повелось), а id3v2.4 писать в utf16 (кроме чистого us-ascii). Это более соответствует стандарту id3v2, а для совместимости с неправильным софом остается 8битный id3v1. Winamp / Windows? media player видят 2.3, но всегда считают его восьмибиткой и показывают мусор вместо utf16. зато id3v2.4 они _вообще_ не видят, и это хорошо. добавлю еще что xmms с последним rusxmms патчем (librcc/librcd) нормально обработал _весь_ тестсьют.

для получения нормальных (id3v2.4/utf16-LE) тегов из кривых (cp1251) я использую http://fly.osdn.org.ua/~gns/id3toolkit/
конец комментария


Здесь я был бы рад любой помощи. Если у вас есть какие-то приложения и железки, которые я не охватил – тестируйте и присылайте изменения к моей табличке, пожалуйста.


2. Необходимо создать хотя бы одну полноценно работающую библиотеку. На данный момент у нас есть:





По сути, от библиотеки нам требуется:


1) Некая глобальная – лучше всего не зависящая от приложений перекодировка 8-битных тэгов, и ID3v1, и ID3v2. В некоторых приложениях, например, amarok, такая перекодировка сделана, но только для ID3v1 тэгов. Предлагаю сделать некий конфиг, вроде ~/.tagrc, откуда библиотека будет получать строчку настройки вроде «8bitencoding = windows-1251» и руководствоваться ею для всех приложений.
Считаю недопустимым появление конф. файлов, содержащих указание каких-либо кодировок. Предлагается для получения кодировки Windows, соответствующей локали пользователя, использовать libnatspec.
VitalyLipatov /14.02.2006 21:20/


2) Вменяемые утилиты командной строки, уважающие установки локали терминала пользователя, корректно выводящие, скажем, и 8-битные, и юникодные тэги и в ru_RU.UTF-8, и в ru_RU.KOI8-R. Сейчас в taglib есть tagreader / tagwriter, которые это делают, но они работают нормально только с us-ascii тэгами.


И все.


3. Необходимо исправить некие переходные границы в районе KDE/Qt/QString, где почему-то происходит преобразование в 8-битную кодировку и всякие умляуты превращаются в русские буквы. Думаю, это мелкая техническая проблема, решаемая относительно просто – здесь хотя бы нет никаких идеологических решений. Баги в Сизиф я повешу скоро, если zerg@ не успеет быстрее это пофиксить.


4. Необходимо просмотреть внимательно список совместимости, получившийся на 1 этапе и вычистить Сизиф от совершенно ненужных приложений, дублирующих друг друга, да при этом еще и не проходящих по test suite. Первые кандидаты на выкидывание – mp3info, id3v2, xmms, kid3, id3editor. Вторые в ряду – beep, easytag, moc, lamip, orpheus – если они кому-то нужны, то их, видимо, стоит достаточно срочно фиксить так, чтобы они поддерживали весь test suite – самым простым будет, видимо, переделка их на работу с «правильной библиотекой» из п.1. Разумеется, крайне желательно пропихнуть этот глобальный переворот в апстрим.


Rationale таких жестких мер очень прост: я хочу быть уверен в том, что если я передаю какие-то файлы человеку, который тоже использует Сизиф, но у него не такой плеер, как у меня – он гарантированно увидит мои тэги. Неподдерживание стандартных (как де юре, так и де факто) тэгов – major bug.


5. От приложений, выполняющих кроме работы с тэгами какие-то другие полезные функции, например, mpg123 – стоит отодрать поддержку чтения ID3-тэгов, чтобы не смущать народ. В том же mc сделать чтение ID3-тэгов через вменяемые утилиты командной строки, разработанные в п.1, а не через mpg123.


6. В некоем гипотетическом светлом будущем – свести всю работу с тэгами в одну библиотеку, а все старые и дублирующиеся библиотеки – изъять из Сизифа. Все приложения будут иметь user-friendly дефолты, типа тех, что я указал выше.

MusicBrainz


Параллельно я собираю новый MusicBrainz-тэггер – Picard, который, разумеется, умеет тоже работать только в стандартных iso8859–1, utf16 и utf8. Он требует неимоверного количества библиотек и работа идет очень медленно, но когда он появится в Сизифе – можно будет полноценно обрабатывать свои коллекции через MusicBrainz.

Список литературы


  1. http://www.id3.org/develop.html
  2. http://id3lib.sourceforge.net/
  3. http://developer.kde.org/~wheeler/taglib.html
  4. http://www.musicbrainz.org/
  5. http://bugs.kde.org/show_bug.cgi?id=99149
  6. rusxmms

Mikhail Yakshin, 2005


Страницы, ссылающиеся на данную: TZ/LinuxDesktop/НедостаткиLinux
Локализация/НациональнаяСпецификаСистемы


 
Файлов нет. [Показать файлы/форму]
Много комментариев (4). [Показать комментарии/форму]