编码HTML代码中的变体编码

Question

我使用perl get（）方法来抓取一个URL。我得到了HTML代码但是当我从网站中提取泰米尔语内容时，它给了我奇怪的文本而不是泰米尔文本。我使用Firefox Inspector工具查看它包含的泰米尔语内容的HTML代码。但是当我从菜单中查看源时，它会显示编码的字符串。我使用以下代码来获取HTML

#!/usr/bin/perl

use LWP::Simple;
 $content = get("http://www.arulvakku.com/biblecontent.php");

open www,">> foo";
select www;
print www $content;
 die "Couldn't get it!" unless defined $content;

并将HTML代码存储在foo中。当我用Libreoffice作家打开它时，它显示了泰米尔语的网页。但当我查看源代码时，它给了我编码。 Firefox Inspector和HTML代码中的等效代码如下：

 <span class = "biblecontent">  தொடக்கத்தில் கடவுள் விண்ணுலகையும், மண்ணுலகையும் படைத்த பொழுது,   <span style="color:#D26900;font-size:16px"></span></span>

已删除的等效HTML代码：

<span class="biblecontent">  &#2980;&#3018;&#2975;&#2965;&#3021;&#2965;&#2980;&#3021;&#2980;&#3007;&#2994;&#3021; &#2965;&#2975;&#2997;&#3009;&#2995;&#3021; &#2997;&#3007;&#2979;&#3021;&#2979;&#3009;&#2994;&#2965;&#3016;&#2991;&#3009;&#2990;&#3021;, &#2990;&#2979;&#3021;&#2979;&#3009;&#2994;&#2965;&#3016;&#2991;&#3009;&#2990;&#3021; &#2986;&#2975;&#3016;&#2980;&#3021;&#2980; &#2986;&#3018;&#2996;&#3009;&#2980;&#3009;,   <span style='color:#D26900;font-size:16px'></span></span>

如何获取泰米尔语内容或如何将HTML内容转换回泰米尔语。获取泰米尔语或其他语言内容HTML代码的任何其他方式对我都有帮助。

Answer 1

使用HTML :: Entities模块：

#!/usr/bin/perl

use strict;
use warnings;
use HTML::Entities;
use utf8;

my $str = 'ொடக்கத்தில் கடவுள';

print decode_entities($str);

输出：

ொடக்கத்தில் கடவுள