为什么在写入屏幕（编码问题）时会看到`á`而不是空格？

Question

我完全迷失了编码问题，我不知道发生了什么，问题究竟是什么以及如何解决它。

基本上我只是尝试从Zip文件中读取HTML文件，解析它然后将片段输出到XML。现在，我从解析器中获取的文本发生了一些时髦的事情。

解析HTML时，只有当我写入屏幕时才会获得á而不是空格。如果我将它保存在变量中并写入文件，它在文件中看起来很好。然而，即使它在XML中看起来是正确的，但是我的PHP解析器无法解析该XML，IE似乎也不喜欢它。

我必须先mb_convert_encoding($xmlcontent, "ASCII");所以我可以在PHP中解析XML。

知道我的问题是什么吗？

1. 使用Perl从.tar.gz文件中提取HTML

   my $tar = Archive::Tar->new;
   $tar->read("myfile.tar.gz");
   $tar->extract_file('index.html', 'output.html');
   

2. 加载HTML，这就是它开始变得时髦的地方，我的输出就像Numberáofásourceálines

   my $tree = HTML::TreeBuilder->new;
   $tree->parse_file('output.html') or die $!;
   $tree->elementify;
   

3. 写入XML

   my $output = new IO::File(">output.xml");
   my $writer = new XML::Writer(OUTPUT => $output, DATA_MODE => 1,DATA_INDENT => 2);
   

Answer 1

如果将其写入文件时看起来正确并且在将其写入终端时出错，则听起来您的终端期望编码错误。检查终端设置。'

另外，请参阅Jon Rockway对"Why does modern Perl avoid UTF-8 by default?"的回答。使用编码，您必须将输入转换为正确的编码并将输出转换为正确的编码。查看数据的所有内容都需要知道您正在使用的编码。

Answer 2

我想我只是通过在解析它之前在html上处理它来修复它，感谢所有伟大的指针！

s/\&nbsp\;/ /g;