NET/www
の編集
https://over.6pb.info/wiki/?NET/www
[
トップ
] [
編集
|
差分
|
履歴
|
添付
|
リロード
] [
新規
|
一覧
|
検索
|
最終更新
|
ヘルプ
]
-- 雛形とするページ --
(no template pages)
**問題の所在 [#gc917e97] NHKのウェブページをWeb::Scraperで取得して加工することがよくある。一つ難があり，文字化けすることがある。原因は，NHKはページの文字コードを「Shift_JIS」と名乗っているのに，実際には，Shift_JISから外れた「Windows機種依存文字」を偶に（必要に応じて？）使っているため。例えば「山﨑努」。固有名詞という理由（大義名分）だろうか。 -気付いたのは，明日（執筆は２０１０年７月２５日）の衛星映画劇場「地の涯に生きるもの」。昨日の朝日新聞土曜版「サザエさんをさがして 知床旅情」にこの映画のことが出ている。 こうした文字はShift_JISではなく「cp932」等と呼ばれる文字コードなら（一応）許される。しかし，ページが名乗っている文字コード名をそのまま受け入れるソフトウェア（Web::Scraperもその一つ）は，Shift_JISにない機種依存文字であり，未定義文字だと理解して，１バイト目を「置換文字」（U+FFFD）に変換してしまう。（２バイト目は半角カナなどに変換される。）そのため，人間にとっては文字化けする。 -U+FFFDが画面上どのように見えるかは状況次第。?と表示されることもあれば，\x{fffd}と表示されることもある。
タイムスタンプを変更しない
___paraedit_taxtarea___
テキスト整形のルールを表示する
![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
