2

我尝试使用 Perl 模块File::Slurp读取 HTML 文件:

binmode STDOUT, ':utf8';
my $htmlcontent = read_file($file, {binmode => ':utf8'});

但是当我打印$htmlcontent变量时,由于法语口音或特殊字符,某些字符无法理解。

例如:"Plus d'actualit\u00e9s"应该是"Plus d'actualités"

我还检查了文件的编码,没关系!

HTML document, UTF-8 Unicode text, with very long lines, with CRLF, LF line terminators

这个模块有问题吗?

谢谢

4

1 回答 1

2

\u00e9不是 UTF-8 字符,是 Unicode 字符的 JavaScript 表示。例如,您需要使用Encode::JavaScript::UCS解码文件的内容。

于 2015-06-01T09:11:05.117 回答