我想从法语维基百科转储XML文件中获取纯文本文件。 为此，我正在应用Perl脚本
如果需要，我可以提供完整的文件，我只添加了行
tr/a-zàâééèëêîôûùç-/ /cs;
到这里的脚本：http://mattmahoney.net/dc/textdata.html
但是，当我在linux终端上运行时：
perl filterwikifr.pl frwiki.xml > frwikiplaintext.txt
输出文本文件无法正确打印突出显示的字母。例如，我得到catégorie而不是catégorie......
我也尝试过：
perl -CS filterwikifr.pl frwiki.xml > frwikiplaintext.txt
没有更好的成功（和其他变体而不是-CS...）
答案 0 :(得分：1)
问题在于文本编辑器gedit。
如果不是直接打开文件，而是打开gedit，然后转到＆＃34;打开＆＃34;在＆＃34;字符编码＆＃34;中，我选择UTF-8而不是＆＃34;自动检测＆＃34;，然后正确打印重音。