Platte tekst

Ik had al aangekondigd iets te willen schrijven over platte tekst.¹ De reden is dat de open natuur van Linuxsystemen en van andere open-sourcesoftware voor een groot deel te danken is aan platte tekst. Dit formaat is namelijk leesbaar voor zowel mens als machine. Dit is in tegenstelling tot binair formaat, dat in principe alleen gelezen kan worden door een computer, en dan nog alleen als bekend is welke codering is gebruikt. Het is hierdoor in principe altijd mogelijk om een (onbeschadigd) onbekend tekstbestand te inspecteren en eventueel code te ontwikkelen om het in te lezen. Daarnaast is het mogelijk om een tekst te lezen waarvan éZn karakter misvormd is en de tekst toch grotendeels of geheel te begrijpen, terwijl bij een binair bestand mogelijk alle inhoud verloren is wanneer er éZn byte scheef staat.² Een oud bestand in binair formaat geproduceerd door een niet langer bestand programma is bijna altijd onleesbaar en dus de inhoud verloren. Ook kan de codering van een binair bestand afhangen van de gebruikte processor, waardoor het lastiger overgezet kan worden naar een ander systeem (slechte portabiliteit). Een belangrijk voordeel van platte tekst is dus dat het toegankelijk is, zelfs na jaren of decennia en misschien wel eeuwen of millennia.

De configuratie van een GNU/Linuxsysteem is grotendeels te vinden in de directory /etc/. Die bestaat, naast subdirectories, uit een groot aantal tekstbestanden.³ Zo bevat mijn file /etc/papersize de tekst "a4" en /etc/timezone "Europe/Amsterdam". Dit zijn weliswaar simpele voorbeeldjes, maar als ik morgen naar New York verhuis kan ik gokken hoe ik deze bestanden moet aanpassen. Een complexer voorbeeld is het bestand /usr/src/linux/.config, waar in 5293 regels de configuratie van mijn Linuxkernel wordt bepaald. Deze bestanden zijn over 20, 50 of 100 jaar mogelijk niet meer direct bruikbaar, maar ook dan is (met meer of minder moeite) te achterhalen wat de bedoeling was en kan die betekenis indien gewenst worden overgezet naar een nieuw systeem.

Ook open-source software is (per definitie) afhankelijk van platte tekst. Broncode wordt immers vrijwel altijd geschreven in tekstbestanden zonder opmaak. Het nadeel hiervan is dat een processor dit niet direct kan gebruiken. Om die reden bestaan er compilers, die broncode omzetten in binaire code die door de CPU kan worden gebruikt. Door de broncode te delen kan een programma of bibliotheek in theorie voor iedere computer worden gecompileerd. Programma's als Python kennen geen compiler, wat ze gebruikersvriendelijker maakt, maar ook 100–200 keer langzamer dan b.v. C of Fortran.⁴ Het mooie van broncode is dat iedere gebruiker haar eigen favoriete teksteditor kan gebruiken; het resultaat hangt daar niet van af. Probeer dat maar eens met een Officebestand.

Ook voor (het delen van) data gebruik ik graag platte tekst. Data in een .csv file zijn te lezen met Fortran, Python en LibreOffice, maar ook snel te inspecteren in de terminal met less.⁵ Mocht ik geen programma hebben om de data te lezen, dan kan ik deze bekijken en gemakkelijk wat schrijven. Het zal u niet verbazen dat dit artikel wordt geschreven in platte tekst (en vervolgens geëxporteerd), maar ook bijvoorbeeld HTML, waarin webpagina's worden geschreven, bestaat uit platte tekst (met nog meer platte tekst om de opmaak te regelen).

Er is slechts één voordeel van binaire files. Dat heet vendor lock-in en betekent dat als u een proprietair programma gebruikt dat uw data wegschrijft in een zelfverzonnen binair formaat, het lastig tot onmogelijk is om over te stappen op een ander programma. Dat is echter alleen een voordeel voor de verkoper van de software, niet voor u als gebruiker…

---

Dit artikel is geschreven als column voor de Nederlandse Linux GebruikersGroep.