Конвертировать файл из ANSI в UTF8 (Unicode)

[Suppir]

Добрый день!

Может быть кто-то уже делал. В общем, скачиваю страницу html с помощью InetGet в файл. А этот файл потом открывается козябрами. Его нужно сначала конвертировать в UFT8, после чего он нормально открывается.

Есть ли у кого готовая функция по конвертации файлов из ANSI и UFT8?


Добавлено:

Сообщение автоматически объединено: 13 Мар 2014

Пример страницы:
http://law.admtyumen.ru/law/view.htm?id=129687@egDocs

Я пишу:

InetGet("http://law.admtyumen.ru/law/view.htm?id=129687@egDocs", "temp.html")

Страница потом открывается "козябрами".


Добавлено:

Сообщение автоматически объединено: 13 Мар 2014

Попробовал конвертировать с помощью библиотеки Encoding от Creator'а. Использовал функции:
_Encoding_ANSIToUTF8
_Encoding_StringToUTF8

Все равно козябры получаются в браузере.

 

[madmasles]

Suppir [?]

скачиваю страницу html с помощью InetGet в файл

Local $sFile = @ScriptDir & '\test.html', $bRead

If FileExists($sFile) Then FileDelete($sFile)
$bRead = InetRead('http://law.admtyumen.ru/law/view.htm?id=129687@egDocs', 17)
If @error Then Exit 13
FileWrite($sFile, BinaryToString($bRead, 4))
ConsoleWrite(FileRead($sFile) & @LF)

 

[Suppir]

Благодарствую!


Добавлено:

Сообщение автоматически объединено: 13 Мар 2014

А можно ли уже скачанный файл конвертнуть?

 

[InnI]

Suppir [?]

скачанный файл конвертнуть

Во что? Я попробовал ваш скрипт (из одной строки) - файл получается в кодировке UTF-8 без BOM. Открывается в читабельном виде и в IE10 и в блокноте.

 

[Suppir]

InnI [?]

Во что? Я попробовал ваш скрипт (из одной строки) - файл получается в кодировке UTF-8 без BOM. Открывается в читабельном виде и в IE10 и в блокноте.

У меня блокнот akelPad нормально читает, но в Chrome или IE10 открывается козябрами (Windows 8, IE 10).

 

[madmasles]

Suppir,
Вы как использовать полученный файл будете?

 

[Suppir]

Вообще, мне нужно парсер для сайта написать, чтобы автоматически скачивать все документы с сайта:
http://law.admtyumen.ru/law/index/law-duma.htm
http://law.admtyumen.ru/law/index/government.htm
http://law.admtyumen.ru/law/index/governor.htm
http://law.admtyumen.ru/law/index/executive.htm
http://law.admtyumen.ru/law/index/OMSU.htm

Там есть документы в разных форматах: rar, zip, pdf, doc, docx и так далее. Когда документ без файла, то есть чистый HTML, я сохраняю только HTML-файл, чтобы пользователь мог его потом нормально открыть в браузере.



Но файлы HTML вот так открывают::

 

[InnI]

Suppir
Попробуйте добавить BOM

InetGet("http://law.admtyumen.ru/law/view.htm?id=129687@egDocs", "temp.html")
$f = FileOpen("temp.html", 256) ; чтение без BOM
$txt = FileRead($f)
FileClose($f)
$f = FileOpen("temp.html", 128 + 2) ; перезапись с BOM
FileWrite($f, $txt)
FileClose($f)

 

[Suppir]

Сработало!

Короче, я сначала читаю просто через InetGet. Затем делаю парсинг html-страницы в формате Ansi. Если там нет бинарных приложений, то делаю:

$f = FileOpen("temp.html", 128 + 2) ; перезапись с BOM
FileWrite($f, $txt)

Теперь без козябр открывается. Всем спасибо.

 

[madmasles]

Suppir,
А если примерно так?

Local $sFile = @ScriptDir & '\test.html', $sRead, $hFile

If Not InetGet('http://law.admtyumen.ru/law/view.htm?id=129687@egDocs', $sFile, 17) Then Exit 13
$hFile = FileOpen($sFile, FileGetEncoding($sFile))
$sRead = FileRead($hFile)
FileClose($hFile)
$hFile = FileOpen($sFile, 2)
FileWrite($hFile, $sRead)
FileClose($hFile)

Проверял в FireFox, Opera, Google Chrome, IE, Yandex (других нет), у меня нормально открывают все.

 

[Suppir]

madmasles
Тоже попробую, спасибо.

 

[InnI]

madmasles [?]

А если примерно так?

А так файл становится в кодировке ANSI.
И тему нужно будет менять на "из UTF8 в ANSI"

 

[madmasles]

InnI [?]

А так файл становится в кодировке ANSI.

madmasles [?]

Проверял в FireFox, Opera, Google Chrome, IE, Yandex (других нет), у меня нормально открывают все.

 

[InnI]

madmasles
Так я и не спорю. Я бы удивился, если бы было наоборот.
Просто Suppir нужно было выбрать в браузере кодировку UTF-8 и ничего не пришлось бы "конвертировать".

 

[madmasles]

InnI [?]

нужно было выбрать в браузере кодировку UTF-8 и ничего не пришлось бы "конвертировать".

Suppir [?]

пользователь мог его потом нормально открыть в браузере.

Тогда надо инструкцию для пользователей делать .