Wie kann ich Nokogiri anweisen, ein Dokument nicht in eine andere Kodierung zu konvertieren, in meinem Fall nicht in &paund; zu etwas anderem?
Ich habe eine Datei, die Folgendes enthält:
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=iso-8859-1" />
</head>
<body>
<span>£</span>
</body>
</html>Ich analysiere es mit Nokogiri:
d = Nokogiri::HTML.parse(open('/tmp/in.html', 'r'))Wenn ich das Dokument " d " Ich verstehe:
<!DOCTYPE html PUBLIC \"-//W3C//DTD HTML 4.0 Transitional//EN\" \"http://www.w3.org/TR/REC-html40/loose.dtd\">\n
<html>\n
<head><meta http-equiv=\"Content-Type\" content=\"text/html; charset=iso-8859-1\"></head>\n
<body>\n
<span>\302\243</span>\n
</body>\n
</html>\nNota: £ wurde " \302\243 " (oder £ die in ISO-8859-1 kodiert war, wurde in UTF-8 kodiert)
Wenn ich das Dokument "d" in einer Datei speichere:
open('/tmp/out.html', 'w') do |out|
out << d.to_html
endIch erhalte die folgende Meldung:
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
<html>
<head><meta http-equiv="Content-Type" content="text/html; charset=iso-8859-1"></head>
<body>
<span></span>
</body>
</html>Nach dem Parsen des Dokuments mit &paund; und speichere es in einer Datei, erhalte ich stattdessen zwei Symbole " BJ ".
Ich glaube, ich gebe an irgendeiner Stelle keine Kodierung an, aber ich bin mir nicht sicher, wo.
