0
我用perl get()方法来刮一个URL。我得到了HTML代码,但是当我从网站提取泰米尔内容时,它给了我奇怪的文字而不是泰米尔语文本。我使用Firefox Inspector工具来查看它包含泰米尔内容的HTML代码。但是当我从菜单中查看源代码时,它显示编码的字符串我使用下面的代码来获取HTML代码,并将HTML代码存储在foo中。当我用Libreoffice作家打开它时,它会显示泰米尔语的网页。但是当我查看源代码时,它给了我编码。在Firefox督察和HTML代码的等效代码为folloes:在HTML代码中的编码差异
<span class = "biblecontent"> தொடக்கத்தில் கடவுள் விண்ணுலகையும், மண்ணுலகையும் படைத்த பொழுது, <span style="color:#D26900;font-size:16px"></span></span>
刮相当于HTML代码:
<span class="biblecontent"> தொடக்கத்தில் கடவுள் விண்ணுலகையும், மண்ணுலகையும் படைத்த பொழுது, <span style='color:#D26900;font-size:16px'></span></span>
我如何能获得泰米尔内容或我怎么能转换成HTML内容返回给泰米尔。任何其他获取泰米尔语或其他语言内容的方法HTML代码对我很有帮助。
感谢@ user4035我已经找到它的答案@ http://mothereff.in/html-entities解码。它给出了正确的文字。但我仍然需要复制粘贴文本。我有1000行文字。 – xtreak
@xtreak无需使用外部网站。你可以直接用Perl解码。只要把'$ content = decode_entities($ content);'print'$ content;' – user4035
再次感谢我检查了它。将其标记为答案@ user4035 – xtreak