我尝试用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,由于法语重音或特殊字符,一些字符无法理解。
例如:"Plus d'actualitu00e9s"
应为"Plus d'actualités"
我也检查了文件的编码,它是好的!
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
u00e9
不是UTF-8字符,是JavaScript表示的Unicode字符。您需要使用Encode::JavaScript::UCS解码文件内容,例如