[PerlChina] 【请教】perl提取网页TXT时候的乱码问题

[Dongxu Ma]

`iconv -f GB2312 -t UTF8 p0.html' showed me Chinese inside that html,
which means while reading from html in your script, you need to decode
from GB2312. By something like:

1. Encode::decode("GB2312", <INPUT>)
2. bindmode INPUT, ":encoding('GB2312')"

在07-4-13，zongzi <honghunter at gmail.com> 写道：
>
> 编辑器我用的UltraEdit32。
>
> 网页编码都是<meta http-equiv="Content-type" content="text/html;
> charset=gb2312"/>，还需要什么转换吗？
>
>
> 在 07-4-13，Beckheng Lam<beckheng at perlchina.org> 写道：
> > 是不是跟gbk或者utf8有关？
> >
> > 缘起和合 wrote:
> > 什么编辑器干的？确实很乱，用VIM吧
> >
> > On 4/12/07, zongzi <honghunter at gmail.com> wrote:
> > >
> > 为了方便放在PDA上面看小说，我用wget把网页（是新浪读书频道）下载到本机，然后用perl去把其中的正文提取出来。
> > >
> > > 发现弄出来的txt文档中，有好多乱码（用记事本打开看的时候）。
> > >
> > > 请教大家怎么才能解决？
> > >
> > >
> > > 附件是我的代码，写的非常乱。真是不好意思了。
> > >
> > > --
> > > 这是一个有钱人的世界，与我的世界截然不同！
> > >
> > > _______________________________________________
> > > China-pm mailing list
> > > China-pm at pm.org
> > > http://mail.pm.org/mailman/listinfo/china-pm
> > >
> > >
> >
> >
> >
> > --
> > ------======Nerazzurri======------
> > ________________________________
> >
> _______________________________________________
> China-pm
> > mailing
> > list
> China-pm at pm.org
> http://mail.pm.org/mailman/listinfo/china-pm
> >
> > _______________________________________________
> > China-pm mailing list
> > China-pm at pm.org
> > http://mail.pm.org/mailman/listinfo/china-pm
> >
>
>
> --
> 这是一个有钱人的世界，与我的世界截然不同！
> _______________________________________________
> China-pm mailing list
> China-pm at pm.org
> http://mail.pm.org/mailman/listinfo/china-pm




-- 
cheers,
-dongxu
__END__
http://search.cpan.org/~dongxu
-------------- next part --------------
An HTML attachment was scrubbed...
URL: http://mail.pm.org/pipermail/china-pm/attachments/20070413/8f782a18/attachment.html