Question

我有以下代码用于从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，我得到文本，但它没有正确的合成。文字是难以理解的格式

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";

所以请帮助我。我们在处理时处理文件格式。

Answer 1

如果我理解正确，您希望输出文件采用UTF-8编码，以便Kannada语言中的字符在输出中正确编码。您的代码可能正在尝试（并且失败）错误地编码到ISO-8859-1中。

如果是这样，那么你可以做的是确保你的文件是用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;

如需进一步阅读，建议您查看以下文档：

其他几点说明：

use utf8行只会使您的Perl脚本/库可能包含UTF格式。它不会对您如何读取或写入文件进行任何更改。
避免在示例中使用open()的双参数形式。在某些情况下，它可能允许恶意用户破坏您的系统。（尽管如此，您在此示例中的用法恰好是安全的。
打开文件时，需要先添加or die，否则将无声读取或写入文件。

更新3/12：我将其更改为以UTF-8读取文件并将其发送至HTML::FormatText。如果您的a.html文件在开始时以BOM字符保存，则无论如何它可能已经做了正确的事情，但是这应该使它总是假定传入文件为UTF-8。

当我在文件上运行perl脚本时，我没有得到kannada文本

1 个答案: