[Rio-pm] LWP::Simple x UTF-8

[Matheus Lucas]

Stanislaw, Ole, muito obrigado pelas dicas, ja bateu 100% aqui na caxola.
Obrigado e um abraço todos !!! :-D

Matheus


--- Em qui, 2/6/11, Stanislaw Pusep <creaktive em gmail.com> escreveu:

De: Stanislaw Pusep <creaktive em gmail.com>
Assunto: Re: [Rio-pm] LWP::Simple x UTF-8
Para: "Perl Mongers Rio de Janeiro" <rio-pm em pm.org>
Data: Quinta-feira, 2 de Junho de 2011, 11:36

Bom dia, Matheus!O LWP retorna octets, enquanto o texto, para Perl, é Unicode. Você precisa decodificar os octets, para depois recodificar:
perl -MEncode -MLWP::Simple -e 'my $content = decode_utf8(get("http://www.cpvs.com.br/cpvs/prodpesquisa.aspx?codigo=87")); open(my $fh, ">:encoding(UTF-8)", "teste.html"); print $fh $content'


Para comparação, recodificando em ISO-8859-1:
perl -MEncode -MLWP::Simple -e 'my $content = decode_utf8(get("http://www.cpvs.com.br/cpvs/prodpesquisa.aspx?codigo=87")); open(my $fh, ">:encoding(ISO-8859-1)", "teste.html"); print $fh $content'


Agora, se a sua intenção é apenas baixar o HTML e guardar num arquivo, preservando a codificação UTF-8... Dispense o Unicode e trabalhe só com octets:
perl -MLWP::Simple -e 'my $content = get("http://www.cpvs.com.br/cpvs/prodpesquisa.aspx?codigo=87"); open(my $fh, ">:raw", "teste.html"); print $fh $content'


Para mais detalhes (como, por exemplo, normalizar arquivos que misturam várias codificações), veja o artigo: http://sao-paulo.pm.org/equinocio/2011/mar/4


ABS()




2011/6/2 Matheus Lucas <malsi2 em yahoo.com.br>


Bom dia amigos !
Estou com uma pequena duvida aqui, talvez alguem ai ja passou por isso...
estou pegando conteudo de alguns sites com o metodo get() do LWP::Simple



 my $urlContent = get("http://www.cpvs.com.br/cpvs/prodpesquisa.aspx?codigo=87");

porem, este site esta vindo originalmente em formato ISO(8859-1) e com um monte de caracteres bagunçados, quando eu abro em um navegador configurado para utf8...normal né. 

Administração:

										
										Administrado na ração para frangos de corte e perus.
mais eu preciso desse arquivo em utf-8 !!!continuando, eu abro um arquivo usando o open com o argumento "encoding(UTF-8)"


open( FILE, '>:encoding(UTF-8)', "ttt.htm" );
e escrevo da forma tradicional... nao conheço outra forma de escrever arquivos no perl.
print FILE $urlContent;
e mesmo assim ele vem com os caracteres da codificacao ocidental, porem eu verifico o arquivo com o comando ""file ttt.htm" e ele me fala que o arquivo ta em utf-8.



a pergunta é: alguem ai sabe como pegar esse codigo ou escrever ele ja na codificaçao utf-8 ????
espero ter sido claro :-)

Abraços a todos e obrigado !

Matheus Lucas
Viçosa-MG



--- Em seg, 30/5/11, Diogo Leal <estranho em diogoleal.com>
 escreveu:

De: Diogo Leal <estranho em diogoleal.com>
Assunto: [Rio-pm] FSLDC é neste sábado


Para: "Perl Mongers Rio de Janeiro" <rio-pm em pm.org>
Data: Segunda-feira, 30 de Maio de 2011, 19:28

Pessoal, 

Será neste sábado o Forum de Software Livre de Duque de Caxias, que contará com uma palestra sobre Perl Moderno. 


Acho que será bem válido a presença dos monges lá no evento.

O site do evento é => http://forumsoftwarelivre.com.br/2011/



Eu sei que é em Caxias.. mas pô... Caxias é perto do Rio.



Diogo Leal [aka estranho]
http://diogoleal.com
msn | gtalk: estranho em diogoleal.com







-----Anexo incorporado-----

_______________________________________________
Rio-pm mailing list
Rio-pm em pm.org
http://mail.pm.org/mailman/listinfo/rio-pm


_______________________________________________

Rio-pm mailing list

Rio-pm em pm.org

http://mail.pm.org/mailman/listinfo/rio-pm



-----Anexo incorporado-----

_______________________________________________
Rio-pm mailing list
Rio-pm em pm.org
http://mail.pm.org/mailman/listinfo/rio-pm
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://mail.pm.org/pipermail/rio-pm/attachments/20110602/218484bc/attachment.html>