Use the Samba DTD rather then the original DocBook one. This step will
[Samba.git] / docs / Samba-HOWTO-Collection / Unicode.xml
blob3e6428db5da4e465c89fd7511996dd06010601e6
1 <?xml version="1.0" encoding="iso-8859-1"?>
2 <!DOCTYPE book PUBLIC "-//Samba-Team//DTD DocBook V4.2-Based Variant V1.0//EN" "http://www.samba.org/samba/DTD/samba-doc">
3 <chapter id="unicode">
4 <chapterinfo>
5         &author.jelmer;
6         &author.jht;
7         <author>
8                 <firstname>TAKAHASHI</firstname><surname>Motonobu</surname>
9                 <affiliation>
10                 <address><email>monyo@home.monyo.com</email></address>
11                 </affiliation>
12                 <contrib>Japanese character support</contrib>
13         </author>
14         <pubdate>25 March 2003</pubdate>
15 </chapterinfo>
17 <title>Unicode/Charsets</title>
19 <sect1>
20 <title>Features and Benefits</title>
22 <para>
23 Every industry eventually matures. One of the great areas of maturation is in
24 the focus that has been given over the past decade to make it possible for anyone
25 anywhere to use a computer. It has not always been that way, in fact, not so long
26 ago it was common for software to be written for exclusive use in the country of
27 origin.
28 </para>
30 <para>
31 Of all the effort that has been brought to bear on providing native
32 language support for all computer users, the efforts of the
33 <ulink url="http://www.openi18n.org/">Openi18n organization</ulink>
34 is deserving of special mention.
35 </para>
37 <para>
38 Samba-2.x supported a single locale through a mechanism called 
39 <emphasis>codepages</emphasis>. Samba-3 is destined to become a truly trans-global
40 file and printer-sharing platform.
41 </para>
43 </sect1>
45 <sect1>
46 <title>What Are Charsets and Unicode?</title>
48 <para>
49 Computers communicate in numbers. In texts, each number will be 
50 translated to a corresponding letter. The meaning that will be assigned 
51 to a certain number depends on the <emphasis>character set (charset)
52 </emphasis> that is used. 
53 </para>
55 <para>
56 A charset can be seen as a table that is used to translate numbers to 
57 letters. Not all computers use the same charset (there are charsets 
58 with German umlauts, Japanese characters, and so on). The American Standard Code
59 for Information Interchange (ASCII) encoding system has been the normative character
60 encoding scheme used by computers to date. This employs a charset that contains 
61 256 characters. Using this mode of encoding each character takes exactly one byte.
62 </para>
64 <para>
65 There are also charsets that support extended characters, but those need at least
66 twice as much storage space as does ASCII encoding. Such charsets can contain
67 <command>256 * 256 = 65536</command> characters, which is more than all possible
68 characters one could think of. They are called multi-byte charsets because they use
69 more then one byte to store one character. 
70 </para>
72 <para>
73 One standardized multi-byte charset encoding scheme is known as
74 <ulink url="http://www.unicode.org/">unicode</ulink>.  A big advantage of using a
75 multi-byte charset is that you only need one. There is no need to make sure two
76 computers use the same charset when they are communicating.
77 </para>
79 <para>Old Windows clients use single-byte charsets, named 
80 <parameter>codepages</parameter>, by Microsoft. However, there is no support for 
81 negotiating the charset to be used in the SMB/CIFS protocol. Thus, you 
82 have to make sure you are using the same charset when talking to an older client.
83 Newer clients (Windows NT, 200x, XP) talk unicode over the wire.
84 </para>
85 </sect1>
87 <sect1>
88 <title>Samba and Charsets</title>
90 <para>
91 As of Samba-3, Samba can (and will) talk unicode over the wire. Internally, 
92 Samba knows of three kinds of character sets: 
93 </para>
95 <variablelist>
96         <varlistentry>
97                 <term><smbconfoption><name>unix charset</name></smbconfoption></term>
98                 <listitem><para>
99                 This is the charset used internally by your operating system. 
100                 The default is <constant>UTF-8</constant>, which is fine for most 
101                 systems, which covers all characters in all languages. The default
102                 in previous Samba releases was to save filenames in the encoding of the 
103                 clients, for example cp850 for western european countries.
104                 </para></listitem>
105         </varlistentry>
107         <varlistentry>
108                 <term><smbconfoption><name>display charset</name></smbconfoption></term>
109                 <listitem><para>This is the charset Samba will use to print messages
110                 on your screen. It should generally be the same as the <parameter>unix charset</parameter>.
111                 </para></listitem>
112         </varlistentry>
114         <varlistentry>
115                 <term><smbconfoption><name>dos charset</name></smbconfoption></term>
116                 <listitem><para>This is the charset Samba uses when communicating with 
117                 DOS and Windows 9x/Me clients. It will talk unicode to all newer clients.
118                 The default depends on the charsets you have installed on your system.
119                 Run <command>testparm -v | grep <quote>dos charset</quote></command> to see 
120                 what the default is on your system. 
121                 </para></listitem>
122         </varlistentry>
123 </variablelist>
125 </sect1>
127 <sect1>
128 <title>Conversion from Old Names</title>
130 <para>Because previous Samba versions did not do any charset conversion, 
131 characters in filenames are usually not correct in the UNIX charset but only 
132 for the local charset used by the DOS/Windows clients.</para>
134 <para>Bjoern Jacke has written a utility named <ulink url="http://j3e.de/linux/convmv/">convmv</ulink>
135 that can convert whole directory structures to different charsets with one single command. 
136 </para>
138 </sect1>
140 <sect1>
141 <title>Japanese Charsets</title>
143 <para>
144 Setting up Japanese charsets is quite difficult. This is mainly because:
145 </para>
147 <itemizedlist>
148         <listitem><para>The Windows character set is extended from the original legacy Japanese
149                 standard (JIS X 0208) and is not standardized. This means that the strictly
150                 standardized implementation cannot support the full Windows character set.
151         </para></listitem>
153         <listitem><para> Mainly for historical reasons, there are several encoding methods in
154                 Japanese, which are not fully compatible with each other. There are
155                 two major encoding methods. One is the Shift_JIS series, it is used in Windows
156                 and some UNIX's. The other is the EUC-JP series, used in most UNIX's
157                 and Linux. Moreover, Samba previously also offered several unique encoding
158                 methods, named CAP and HEX, to keep interoperability with CAP/NetAtalk and
159                 UNIX's which can't use Japanese filenames.  Some implementations of the
160                 EUC-JP series can't support the full Windows character set.
161         </para></listitem>
163         <listitem><para>There are some code conversion tables between Unicode and legacy
164                 Japanese character sets. One is compatible with Windows, another one
165                 is based on the reference of the Unicode consortium and others are 
166                 a mixed implementation. The Unicode consortium does not officially
167                 define any conversion tables between Unicode and legacy character
168                 sets so there cannot be standard one.
169         </para></listitem>
171         <listitem><para>The character set and conversion tables available in iconv() depends
172                 on the iconv library that is available. Next to that, the Japanese locale 
173                 names may be different on different systems.  This means that the value of 
174                 the charset parameters depends on the implementation of iconv() you are using.
175                 </para>
177                 <para>Though 2 byte fixed UCS-2 encoding is used in Windows internally,
178                 Shift_JIS series encoding is usually used in Japanese environments
179                 as ASCII encoding is in English environments.
180         </para></listitem>
181 </itemizedlist>
183 <sect2><title>Basic Parameter Setting</title>
185         <para>
186         <smbconfoption><name>dos charset</name></smbconfoption> and 
187         <smbconfoption><name>display charset</name></smbconfoption>
188         should be set to the locale compatible with the character set 
189         and encoding method used on Windows. This is usually CP932
190         but sometimes has a different name.
191         </para>
193         <para>
194         <smbconfoption><name>unix charset</name></smbconfoption> can be either Shift_JIS series,
195         EUC-JP series and UTF-8. UTF-8 is always available but the availability of other locales
196         and its name itself depends on the system.
197         </para>
199         <para>
200         Additionally, you can consider to use the Shift_JIS series as the
201         value of the <smbconfoption><name>unix charset</name></smbconfoption>
202         parameter by using the vfs_cap module, which does the same thing as
203         setting <quote>coding system = CAP</quote> in the Samba 2.2 series.
204         </para>
206         <para>
207         Where to set <smbconfoption><name>unix charset</name></smbconfoption>
208         to is a difficult question. Here is a list of details, advantages and
209         disadvantages of using a certain value.
210         </para>
212         <variablelist>
213                 <varlistentry><term>Shift_JIS series</term>
214                         <listitem><para>
215                         Shift_JIS series means a locale which is equivalent to <constant>Shift_JIS</constant>,
216                         used as a standard on Japanese Windows. In the case of <constant>Shift_JIS</constant>,
217                         for example if a Japanese file name consist of 0x8ba4 and 0x974c
218                         (a 4 bytes Japanese character string meaning <quote>share</quote>) and <quote>.txt</quote>
219                         is written from Windows on Samba, the file name on UNIX becomes
220                         0x8ba4, 0x974c, <quote>.txt</quote> (a 8 bytes BINARY string), same as Windows.
221                         </para>
223                         <para>Since Shift_JIS series is usually used on some commercial based
224                         UNIX's; hp-ux and AIX as Japanese locale (however, it is also possible
225                         to use the EUC-JP series), To use Shift_JIS series on these platforms,
226                         Japanese file names created from Windows can be referred to also on
227                         UNIX.</para>
229                         <para>
230                         If your UNIX is already working with Shift_JIS and there is a user 
231                         who needs to use Japanese file names written from Windows, the
232                         Shift_JIS series is the best choice.  However, broken file names
233                         may be displayed and some commands which cannot handle non-ASCII
234                         filenames may be aborted during parsing filenames. especially there
235                         may be <quote>\ (0x5c)</quote> in file names, which need to be handled carefully.
236                         So you had better not touch file names written from Windows on UNIX.
237                         </para>
239                         <para>
240                         Note that most Japanized free software actually works with EUC-JP
241                         only. You had better verify if the Japanized free software can work
242                         with Shift_JIS.
243                         </para>
244                         </listitem>
245                 </varlistentry>
247                 <varlistentry><term>EUC-JP series</term>
248                         <listitem><para>
249                         EUC-JP series means a locale which is equivalent to the industry
250                         standard called EUC-JP, widely used in Japanese UNIX (although EUC
251                         contains specifications for languages other than Japanese, such as
252                         EUC-KR). In the case of EUC-JP series, for example if a Japanese
253                         file name consist of 0x8ba4 and 0x974c and <quote>.txt</quote> is written from
254                         Windows on Samba, the file name on UNIX becomes 0xb6a6, 0xcdad,
255                         <quote>.txt</quote> (a 8 bytes BINARY string). 
256                         </para>
258                         <para>
259                         Since EUC-JP is usually used on Open source UNIX, Linux and FreeBSD,
260                         and on commercial based UNIX, Solaris, IRIX and Tru64 UNIX as
261                         Japanese locale (however, it is also possible on Solaris to use
262                         Shift_JIS and UTF-8, on Tru64 UNIX to use Shift_JIS). To use EUC-JP
263                         series, most Japanese file names created from Windows can be
264                         referred to also on UNIX. Also, most Japanized free software work
265                         mainly with EUC-JP only. 
266                         </para>
268                         <para>
269                         It is recommended to choose EUC-JP series when using Japanese file
270                         names on these UNIX.
271                         </para>
273                         <para>
274                         Although there is no character which needs to be carefully treated
275                         like <quote>\ (0x5c)</quote>, broken file names may be displayed and some
276                         commands which cannot handle non-ASCII filenames may be aborted
277                         during parsing filenames.
278                         </para>
280                         <para>
281                         Moreover, if you built Samba using differently installed libiconv,
282                         eucJP-ms locale included in libiconv and EUC-JP series locale
283                         included in OS may not be compatible. In this case, you may need to
284                         avoid using incompatible characters for file names.
285                         </para>
286                         </listitem>
287                 </varlistentry>
289                 <varlistentry><term>UTF-8</term>
290                         <listitem><para>
291                         UTF-8 means a locale which is equivalent to UTF-8, the international
292                         standard defined by Unicode consortium. In UTF-8, a <parameter>character</parameter> is
293                         expressed using 1-3 bytes. In case of Japanese, most characters
294                         are expressed using 3 bytes. Since on Windows Shift_JIS, where a
295                         character is expressed with 1 or 2 bytes, is used to express
296                         Japanese, basically a byte length of a UTF-8 string grows 1.5 times
297                         the length of a original Shift_JIS string. In the case of UTF-8,
298                         for example if a Japanese file name consist of 0x8ba4 and 0x974c and
299                         <quote>.txt</quote> is written from Windows on Samba, the file name on UNIX
300                         becomes 0xe585, 0xb1e6, 0x9c89, <quote>.txt</quote> (a 10 bytes BINARY string).
301                         </para>
303                         <para>
304                         For systems where iconv() is not available or where iconv()'s locales
305                         are not compatible with Windows, UTF-8 is the only locale available.
306                         </para>
308                         <para> 
309                         There are no systems that use UTF-8 as default locale for Japanese.
310                         </para>
312                         <para>
313                         Some broken file names may be displayed and some commands which
314                         cannot handle non-ASCII filenames may be aborted during parsing
315                         filenames. especially there may be <quote>\ (0x5c)</quote> in file names, which
316                         need to be handled carefully. So you had better not touch file names
317                         written from Windows on UNIX.
318                         </para>
320                         <para>
321                         In addition, although it is not directly concerned with Samba, since
322                         there is a delicate difference between iconv() function, which is
323                         generally used on UNIX and the functions used on other platforms,
324                         such as Windows and Java about the conversion table between
325                         Shift_JIS and Unicode, you should be carefully to handle UTF-8.
326                         </para>
328                         <para>
329                         Although Mac OS X uses UTF-8 as its encoding method for filenames,
330                         it uses an extended UTF-8 specification that Samba cannot handle so
331                         UTF-8 locale is not available for Mac OS X.
332                         </para>
333                         </listitem>
334                 </varlistentry>
336                 <varlistentry><term>Shift_JIS series + vfs_cap (CAP encoding)</term>
337                         <listitem><para>
338                         CAP encoding means a specification using in CAP and NetAtalk, file
339                         server software for Macintosh. In the case of CAP encoding, for
340                         example if a Japanese file name consist of 0x8ba4 and 0x974c and
341                         <quote>.txt</quote> is written from Windows on Samba, the file name on UNIX
342                         becomes <quote>:8b:a4:97L.txt</quote> (a 14 bytes ASCII string). 
343                         </para>
345                         <para>
346                         For CAP encoding a byte which cannot be expressed as an ASCII
347                         character (0x80 or above) is encoded as <quote>:xx</quote> form. You need to take
348                         care of containing a <quote>\(0x5c)</quote> in a filename but filenames are not
349                         broken in a system which cannot handle non-ASCII filenames.
350                         </para>
352                         <para>
353                         The greatest merit of CAP encoding is the compatibility of encoding
354                         filenames with CAP or NetAtalk, file server software of Macintosh.
355                         Since they usually write a file name on UNIX with CAP encoding, if a
356                         directory is shared with both Samba and NetAtalk, you need to use
357                         CAP encoding to avoid non-ASCII filenames are broken.
358                         </para>
360                         <para>
361                         However, recently there are some systems where NetAtalk has been
362                         patched to write filenames with EUC-JP (i.e. Japanese original Vine Linux).
363                         Here you need to choose EUC-JP series instead of CAP encoding.
364                         </para>
366                         <para>
367                         vfs_cap itself is available for non Shift_JIS series locales for
368                         systems which cannot handle non-ASCII characters or systems which
369                         shares files with NetAtalk.
370                         </para>
372                         <para>
373                         To use CAP encoding on Samba-3, you should use the unix charset parameter and VFS 
374                         as follows:
375                         </para>
377 <smbconfexample><title>VFS CAP</title>
378 <smbconfsection>[global]</smbconfsection>
379 <smbconfoption><name>dos charset</name><value>CP932<footnote><para>the locale name "CP932" may be different name</para></footnote></value></smbconfoption>
380 <smbconfoption><name>unix charset</name><value>CP932</value></smbconfoption>
382 <member><para>...</para></member>
384 <smbconfsection>[cap-share]</smbconfsection>
385 <smbconfoption><name>vfs option</name><value>cap</value></smbconfoption>
386 </smbconfexample>
388                         <para>
389                         You should set CP932 if using GNU libiconv for unix charset. Setting this,
390                         filenames in the <quote>cap-share</quote> share are written with CAP encoding.
391                         </para>
392                         </listitem>
393                 </varlistentry>
394         </variablelist>
396 </sect2>
398 <sect2><title>Individual Implementations</title>
400 <para>
401 Here is some additional information regarding individual implementations:
402 </para>
404         <variablelist>
405                 <varlistentry><term>GNU libiconv</term>
406                         <listitem><para>
407                         To handle Japanese correctly, you should apply the patch
408                         <ulink url="http://www2d.biglobe.ne.jp/~msyk/software/libiconv-patch.html">libiconv-1.8-cp932-patch.diff.gz</ulink>
409                         to libiconv-1.8.
410                         </para>
411                         
412                         <para>
413                         Using the patched libiconv-1.8, these settings are available:
414                         </para>
417 <!-- FIXME: Convert to diagram ? -->
418 <programlisting>
419 dos charset = CP932
420 unix charset = CP932 / eucJP-ms / UTF-8
421                 |       |
422                 |       +-- EUC-JP series
423                 +-- Shift_JIS series
424 display charset = CP932
425 </programlisting>
427                         <para>
428                         Other Japanese locales (for example Shift_JIS and EUC-JP) should not
429                         be used for the lack of the compatibility with Windows.
430                         </para>
431                         </listitem>
432                 </varlistentry>
434                 <varlistentry><term>GNU glibc</term>
435                         <listitem><para>
436                         To handle Japanese correctly, you should apply a <ulink url="http://www2d.biglobe.ne.jp/~msyk/software/glibc/">patch</ulink>
437                         to glibc-2.2.5/2.3.1/2.3.2 or should use the patch-merged versions, glibc-2.3.3 or later.
438                         </para>
440                         <para>
441                         Using the above glibc, these setting are available:
442                         </para>
444 <smbconfblock>
445 <smbconfoption><name>dos charset</name><value>CP932</value></smbconfoption>
446 <smbconfoption><name>unix charset</name><value>CP932 / eucJP-ms / UTF-8</value></smbconfoption>
447 <smbconfoption><name>display charset</name><value>CP932</value></smbconfoption>
448 </smbconfblock>
450                         <para>
451                         Other Japanese locales (for example Shift_JIS and EUC-JP) should not
452                         be used for the lack of the compatibility with Windows.
453                         </para>
454                         </listitem>
455                 </varlistentry>
456         </variablelist>
458 </sect2>
460 <sect2>
461         <title>Migration from Samba-2.2 Series</title>
463 <para> 
464 Prior to Samba-2.2 series <quote>coding system</quote> parameter is used as
465 <smbconfoption><name>unix charset</name></smbconfoption> parameter of the Samba-3 series.
466 <link linkend="japancharsets">Next table</link> shows the mapping table when migrating from the Samba-2.2 series to Samba-3.
467 </para>
469         <table frame="all" id="japancharsets">
470                 <title>Japanese Character Sets in Samba-2.2 and Samba-3</title>
472                 <tgroup cols="2" align="center">
473                         <colspec align="center"/>
474                         <colspec align="center"/>
475                         <thead>
476                                 <row><entry>Samba-2.2 Coding System</entry><entry>Samba-3 unix charset</entry></row>
477                         </thead>
478                         <tbody>
479                                 <row><entry>SJIS</entry><entry>Shift_JIS series</entry></row>
480                                 <row><entry>EUC</entry><entry>EUC-JP series</entry></row>
481                                 <row><entry>EUC3<footnote><para>Only exists in Japanese Samba version</para></footnote></entry><entry>EUC-JP series</entry></row>
482                                 <row><entry>CAP</entry><entry>Shift_JIS series + VFS</entry></row>
483                                 <row><entry>HEX</entry><entry>currently none</entry></row>
484                                 <row><entry>UTF8</entry><entry>UTF-8</entry></row>
485                                 <row><entry>UTF8-Mac<footnote><para>Only exists in Japanese Samba version</para></footnote></entry><entry>currently none</entry></row>
486                                 <row><entry>others</entry><entry>none</entry></row>
487                         </tbody>
488                 </tgroup>
489         </table>
491 </sect2>
493 </sect1>
495 <sect1>
496         <title>Common Errors</title>
498         <sect2>
499                 <title>CP850.so Can't Be Found</title>
501                 <para><quote>Samba is complaining about a missing <filename>CP850.so</filename> file.</quote></para>
503                 <para><emphasis>Answer:</emphasis> CP850 is the default <smbconfoption><name>dos charset</name></smbconfoption>.
504                 The <smbconfoption><name>dos charset</name></smbconfoption> is used to convert data to the codepage used by your dos clients.
505                 If you do not have any dos clients, you can safely ignore this message. </para>
507                 <para>CP850 should be supported by your local iconv implementation. Make sure you have all the required packages installed.
508                 If you compiled Samba from source, make sure to configure found iconv.</para>
509         </sect2>
510 </sect1>
512 </chapter>