下面的代码用于从html文件中提取文本并写入文本文件。在html中,它包含kannada文本(utf-8),当程序运行时,我得到一个文本文件,因为我得到的是文本,但格式不正确。文本采用不可读格式。
enter code here
use utf8;
use HTML::FormatText;
my $string = HTML::FormatText->format_file(
'a.html',
leftmargin => 0, rightmargin => 50
);
open mm,">t1.txt";
print mm "$string";因此,在我们处理文件时,请帮助me.how处理文件格式。
发布于 2014-03-11 22:54:37
如果我正确地理解了您,您希望输出文件被UTF-8编码,以便Kannada语言中的字符在输出中被正确编码。您的代码可能试图(并且失败)错误地将代码编码到ISO-8859-1中。
如果是这样,那么您可以做的就是确保您的文件是用UTF-8编码过滤器打开的。
use HTML::FormatText;
open my $htmlfh, '<:encoding(UTF-8)', 'a.html' or die "cannot open a.html: $!";
my $content = do { local $/; <$htmlfh> }; # read all content from file
close $htmlfh;
my $string = HTML::FormatText->format_string(
$content,
leftmargin => 0, rightmargin => 50
);
open my $mm, '>:encoding(UTF-8)', 't1.txt' or die "cannot open t1.txt: $!";
print $mm $string;为了进一步阅读,我建议查看这些文档:
还有几个注意事项:
use utf8行只是为了使您的Perl脚本/库能够包含UTF格式。它不会对您读取或写入文件的方式进行任何更改。open()的两个参数形式,如在您的示例中。在某些情况下,它可能允许恶意用户危害您的系统。(不过,在本例中,您的使用碰巧是安全的。or die,否则读写文件的失败将被忽略。更新3/12:将其更改为读取UTF-8中的文件并将其发送给HTML::FormatText。如果您的a.html文件在开始时使用BOM字符保存,那么它可能做了正确的事情,但这应该使它始终假定传入文件为UTF-8。
https://stackoverflow.com/questions/22332550
复制相似问题