[PerlChina] 【请教】perl提取网页TXT时候的乱码问题

[Achilles Xu]

perl中处理中文的原则：

让中文字符串在perl中以utf8的形式存在。一个字符串进来的时候如果是其他编码，先转成utf8，出去的时候再转成相应的编码。这样可以保证任何操作都不出错。

在07-4-15，Dongxu Ma <dongxu.ma at gmail.com> 写道：
>
> yes, your input stream was encoded as GB2312.
>
> 在07-4-15，zongzi <honghunter at gmail.com> 写道：
> >
> > 就是说需要强制作一次转码才行？
> >
> > 在 07-4-13，Dongxu Ma<dongxu.ma at gmail.com> 写道：
> > > `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 <http://search.cpan.org/%7Edongxu>
> > > _______________________________________________
> > > 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 <http://search.cpan.org/%7Edongxu>
>
> _______________________________________________
> China-pm mailing list
> China-pm at pm.org
> http://mail.pm.org/mailman/listinfo/china-pm
>



-- 
---------------------------
Achilles Xu
http://www.lazycode.org/achilles/
-------------- next part --------------
An HTML attachment was scrubbed...
URL: http://mail.pm.org/pipermail/china-pm/attachments/20070417/6e233681/attachment.html