J'écris un url2src.js pour convertir un fichier html en un autre fichier html dans lequel tous les javascripts sont traités.
J'ai trouvé s'il y a des mots UTF-8 (comme —), le résultat n'est pas correct.
J'utilise la version chinoise de Windows 8.1. et exécutez cette commande dans Windows cmd :
d:\epub\components>phantomjs --output-encoding=utf8 --script-encoding=utf8 url2src.js activities2.html activities2-processed.html
d:\epub\components>phantomjs --version
1.9.7
Le contenu de url2src.js est :
var page = require('webpage').create(),
system = require('system'),
t, address, output;
if (system.args.length !== 3) {
console.log('Usage: url2src.js <some URL> <output File path>');
phantom.exit();
}
t = Date.now();
address = system.args[1];
output = system.args[2];
page.open(address, function (status) {
if (status !== 'success') {
console.log('FAIL to load the address : ' + address);
} else {
t = Date.now() - t;
//console.log('Loading time ' + t + ' ms');
var js = page.evaluate(function () {
return document;
});
//console.log(js.all[0].outerHTML);
var fs = require('fs');
try {
fs.write(output, js.all[0].outerHTML, 'w');
} catch(e) {
console.log(e);
}
}
phantom.exit();
});
Plus d'informations détaillées sont dans la pièce jointe ici :
https://groups.google.com/forum/#!topic/phantomjs/oqvK8mkk6aY
Toute aide est appréciée.
Je connais la raison maintenant, car le document html d'entrée a été traité par défaut comme ISO-8859-1.
Ajouter meta pour définir charset=utf-8 peut résoudre ce problème.
<html>
<head>
<meta http-equiv="content-type" content="text/html; charset=UTF-8">
</head>
<body>
<p> The user interface for an activity is provided by a hierarchy of views—objects derived from the <code>View</code> class. </p>
</body>
</html>
Tu as raison.Cependant, je ne peux pas changer le html que les autres me donnent.Comment faire ?
J'ai des documents qui n'ont aucune information d'en-tête (je les reçois d'applications tierces)... un moyen de forcer l'encodage serait bien.
Commentaire le plus utile
Je connais la raison maintenant, car le document html d'entrée a été traité par défaut comme ISO-8859-1.
Ajouter meta pour définir charset=utf-8 peut résoudre ce problème.