HttpGetText()，自动检测字符集，并将源代码转换为UTF8
HttpGetText()，自动检测字符集，并将源代码转换为UTF8
提问于 2011-03-31 21:04:53
我正在使用HttpGetText和Synapse for Delphi7Professional来获取网页的源代码--不过请随意推荐任何组件和代码。
这样做的目的是通过将非ASCII字符“统一”到单个字符集来节省一些时间，这样我就可以用相同的Delphi代码来处理它。
所以我正在寻找类似于“全选并转换为Notepad++中没有物料清单的UTF”的东西，如果你明白我的意思的话。ANSI而不是UTF8也可以。
网页被编码成3个字符集: UTF8，"ISO-8859-1=Win 1252=ANSI“和没有字符集规范的直接HTML4。内容中的Å编码类型字符。
如果我需要编写一个执行转换的PHP页面，也没问题。什么是最少的代码/时间。
回答 2
Stack Overflow用户
回答已采纳
发布于 2011-06-13 15:09:18
相反，我在使用GpTextStream检索HTML后直接进行了反向转换。使文档符合ISO-8859-1使它们可以直接使用Delphi处理，这节省了相当多的代码更改。在输出时，所有数据都转换为UTF-8 :)
下面是一些代码。也许不是最漂亮的解决方案，但它肯定能在更短的时间内完成工作。请注意，这是用于反向转换的。
procedure UTF8FileTo88591(fileName: string);
const bufsize=1024*1024;
var
fs1,fs2: TFileStream;
ts1,ts2: TGpTextStream;
buf:PChar;
siz:integer;
procedure LG2(ss:string);
begin
//dont log for now.
end;
begin
fs1 := TFileStream.Create(fileName,fmOpenRead);
fs2 := TFileStream.Create(fileName+'_ISO88591.txt',fmCreate);
//compatible enough for my purposes with default 'Windows/Notepad' CP 1252 ANSI and Swe ANSI codepage, Latin1 etc.
//also works for ASCII sources with htmlencoded accent chars, naturally
try
LG2('Files opened OK.');
GetMem(buf,bufsize);
ts1 := TGpTextStream.Create(fs1,tsaccRead,[],CP_UTF8);
ts2 := TGpTextStream.Create(fs2,tsaccWrite,[],ISO_8859_1);
try
siz:=ts1.Read(buf^,bufsize);
LG2(inttostr(siz)+' bytes read.');
if siz>0 then ts2.Write(buf^,siz);
finally
LG2('Bytes read and written OK.');
FreeAndNil(ts1);FreeAndNil(ts2);end;
finally FreeAndNil(fs1);FreeAndNil(fs2);FreeMem(buf);
LG2('Everything freed OK.');
end;
end; // UTF8FileTo88591Stack Overflow用户
发布于 2011-04-01 06:13:18
当你检索一个网页时，它的HTML头(有时是Content-Type内部的一个<meta>标签)会告诉你数据使用的是哪个字符集。您可以使用该字符集将数据解码为Unicode，然后可以将Unicode编码为处理所需的任何内容。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/5500293
复制相关文章
相似问题
腾讯云开发者
