爲什麼在寫入屏幕時出現`á`而不是空格（編碼問題）？

我完全失去了編碼問題，我不知道發生了什麼事情，究竟是什麼問題，以及如何解決這個問題。爲什麼在寫入屏幕時出現`á`而不是空格（編碼問題）？

基本上我只是想從Zip文件讀取HTML文件，解析它然後輸出到XML。現在，我從解析器中獲得的文本發生了一些奇怪的事情。

解析HTML而不是空格時，只有在寫入屏幕時纔會得到á。如果我將它保存在一個變量中並寫入文件，它在文件中看起來很好。然而，儘管它在XML中看起來正確，但它有些問題，我的PHP解析器無法解析XML，IE似乎也不喜歡它。

我不得不第一次mb_convert_encoding($xmlcontent, "ASCII");所以我可以用PHP解析XML。

任何想法我的問題是什麼？從.tar.gz文件使用Perl

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

加載HTML

提取HTML，這是它開始變得時髦，我得到的輸出喜歡Numberáofásourceálines

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

寫XML

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

2011-06-16 user391986

是你的數據多字節unicode？奇怪的人物聞起來可能會像這樣。使用適當的字符編碼。 – Rasika 2011-06-16 23:53:30

您首先需要了解輸入數據的編碼。然後將其轉換爲UTF-8。 – hakre 2011-06-17 00:26:38

我如何確定編碼？該文件是從一個工具自動生成的，我無法控制它我只能處理它 – user391986 2011-06-17 00:44:58

我想我只是通過在解析它之前在html上處理它來解決它，謝謝所有偉大的指針！

s/\&nbsp\;/ /g;

2011-06-17 15:08:38 user391986

如果將它寫入文件時看起來正確，而將其寫入終端時出錯，則聽起來就像您的終端期望編碼錯誤。檢查你的終端設置。'

另外，請參閱Jon Rockway對"Why does modern Perl avoid UTF-8 by default?"的回答。使用編碼，您必須將輸入轉換爲正確的編碼，並將輸出轉換爲正確的編碼。查看數據的所有內容都需要知道您正在使用哪種編碼。

2011-06-17 12:53:14

回答