Question

我正在尝试使用常规HTML和特殊Unicode字符打开文件，例如“ÖÄÅöäå”（瑞典语），对其进行格式化，然后将其输出到文件中。

到目前为止，一切都很好，我可以打开文件，找到我需要的部分并输出到文件中。

但重点是：

我无法将输入的Unicode数据保存到文件中而不会丢失我的编码（例如，'ö'变成'Ã''）。

虽然我可以通过手动将它们输入到代码本身中来设法执行正则表达式并将它们输出到正确的编码。但是，当我导入文件，格式化然后输出时，不是这样。

使用OCT时的工作方法示例（例如，这可以输出到没有编码问题的文件）：

my $charsSWE = "öäåÅÄÖ";
# \344 = ä
# \345 = å
# \305 = Å
# \304 = Ä
# \326 = Ö
# \366 = ö
my $SwedishLetters = '\344 \345 \305 \304 \326 \366';

if($charsSWE =~ /([$SwedishLetters]+)/){
    print "Output: $1\n";
}

下面的方法不起作用，因为编码丢失了（这是代码部分的快速说明，但它的概念是相同的[例如，打开文件，获取和输出]）：

open(FH, 'swedish.htm') or die("File could not be opened");

    while(<FH>)
    {
        my @List =  /([$SwedishLetters]+)/g;    
        message($List[0]) if @List;
    }

close(FH);

Answer 1

use Encode;

open FILE1, "<:encoding(UTF-8)", "swedish.htm" or die $!;

#do stuff

open FILE2, ">:encoding(UTF-8)", "output.htm" or die $!;

您可能需要使用其他编码。

打开和保存文件时丢失编码

1 个答案: