Phantomjs: Phantomjs не может показывать - или другие слова UTF-8.

Созданный на 16 мар. 2014  ·  3Комментарии  ·  Источник: ariya/phantomjs

Я пишу url2src.js для преобразования html-файла в другой html-файл, в котором обрабатываются все javascripts.
Я обнаружил, что если есть несколько слов UTF-8 (например, -), результат неверен.

Я использую китайскую версию Windows 8.1. и запустите эту команду в 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

Содержимое url2src.js:

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();
});

Более подробная информация во вложении здесь:
https://groups.google.com/forum/#!topic/phantomjs/oqvK8mkk6aY

Любая помощь приветствуется.

Самый полезный комментарий

Теперь я знаю причину, потому что входной html-документ по умолчанию обрабатывался как ISO-8859-1.
Добавьте мета для установки charset = utf-8, чтобы решить эту проблему.

<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>

Все 3 Комментарий

Теперь я знаю причину, потому что входной html-документ по умолчанию обрабатывался как ISO-8859-1.
Добавьте мета для установки charset = utf-8, чтобы решить эту проблему.

<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>

Вы правы, но я не могу изменить html, который мне дают другие люди. Как это сделать?

У меня есть некоторые документы, в которых нет информации о заголовке (я получаю их из сторонних приложений) ... способ принудительно кодировать было бы неплохо.

Была ли эта страница полезной?
0 / 5 - 0 рейтинги