本机字符集会影响抓到的网页？

qmhball

在Linux用perl写了段抓网页的代码，将抓到的网页在win下用ie显示。发现如果抓取时设Linux的环境变量LANG=en_US.utf8，则在win下网页的中文无法正常显示，修改ie中的字符编码也无效。如果设LANG=zh_CN.gb2312或en_US.iso88591等就可以。

为什么呢，感觉没道理。是我存网页的方法不对？

我是这么存的页面：

1. 
   
2. open (FILE, ">ball.html") or die "Can't open file: $!\n";
   
3. ……
   
4. print FILE $data while read($socket, $data, 1024);
   

复制代码

ball.html为保存的文件，socket是相应的套接字。

附件里有无法正常显示的网页。

请教大家了～

福瑞哈哥

互联网上的编码太多了，管不过来。保存文件时要使用binmode, socket应该缺省就是binmode了，要注意的一点是如果要计算buffer的长度，因为是编码后的长度肯定与bytes长度不等。
所以，如果你没有特殊需求，最简单的办法是在程序的开始加上
use bytes;

qmhball

使用use bytes; 会让这两者统一吗？

福瑞哈哥

原帖由 qmhball 于 2007-4-4 12:53 发表
使用use bytes; 会让这两者统一吗？

会，而且你也没有必要再使用binmode了，所有的buffer，io都按照字节处理。

ustctapper

我访问的一个网页包含诸如 ú á 这样的字符，抓下来之后显示为 鷖 这样的汉字。请问如何正确获得？