0
在SO人的幫助下,我成功實現了simple rss downloader in haskell。 但有一個問題仍然存在:如何修復Feed項目標題的破碎編碼? 這裏是最小的工作示例:修復haskell中的utf8編碼破解
import Control.Monad
import Control.Applicative
import Network.HTTP
import Text.Feed.Import
import Text.Feed.Query
import Text.Feed.Types
import Data.Maybe
import qualified Data.ByteString as B
import Network.URI (parseURI, uriToString)
import Codec.Binary.UTF8.String (decodeString, encodeString)
getTitleAndUrl :: Item -> (Maybe String, Maybe String)
getTitleAndUrl item = (getItemTitle item, getItemLink item)
downloadUri :: (Maybe String,Maybe String) -> IO()
downloadUri (Just title,Just link) = do
item <- get link
B.writeFile title item
where
get url = let uri = case parseURI url of
Nothing -> error $ "invalid uri" ++ url
Just u -> u in
simpleHTTP (defaultGETRequest_ uri) >>= getResponseBody
downloadUri _ = print "Somewhere something went Nothing"
getTuples :: IO (Maybe [(Maybe String, Maybe String)])
getTuples = fmap (map getTitleAndUrl) <$> fmap (feedItems) <$> parseFeedString <$> decodeString <$> (simpleHTTP (getRequest "http://index.hu/24ora/rss/") >>= getResponseBody)
main = getTuples
它打印出像
Just [...,(Just "Gyalogosbaleset miatt \225ll a t\246megk\246zleked\233s a Margit h\237don",Just "http://velvet.hu/blogok/helyszinelo/2013/06/18/gyalogossbaleset_miatt_all_a_tomegkozlekedes_a_margit_hidon/"),...]
我做了一些研究,進給其項目名稱由<![CDATA[]]
sorrounded,所以XML解析器跳過他們。
示例項目:
<item>
<title><![CDATA[Gyalogosbaleset miatt áll a tömegközlekedés a Margit hídon]]></title>
<link>http://velvet.hu/blogok/helyszinelo/2013/06/18/gyalogossbaleset_miatt_all_a_tomegkozlekedes_a_margit_hidon/</link>
<pubDate>Tue, 18 Jun 2013 09:08:00 +0200</pubDate>
<category domain="main"></category>
<description><![CDATA[A tájékoztatás szerint a budai hídfő megállójában elesett egy gyalogos, jelenleg pótlóbuszok közlekednek.]]></description>
<content:encoded><![CDATA[A tájékoztatás szerint a budai hídfő megállójában elesett egy gyalogos, jelenleg pótlóbuszok közlekednek.]]></content:encoded>
</item>
我怎麼能強制UTF8編碼這個字符串?
我不確定我是否理解這個問題。你不喜歡這裏有什麼行爲? UTF-8與它有什麼關係?如果它按照你想要的方式行事,它會有什麼不同? – shachaf
@shachaf:t \ 246megk \ 246zleked \ 233s - >tömegközlekedés等等...... – pasja
好的。 1:Haskell'String's是Unicode字符串。它們不是UTF-8或UTF,它們只是Unicode代碼點的列表。 2:你只是在查看'show'的結果作爲一個字符串。這就是'Show'實例的工作方式 - 你無法對此做任何事情。如果您打印字符串 - 例如用'putStrLn' - 你會發現它打印的很好。字符串是正確的,只是你看着它的方式逃脫了一些字符。 – shachaf