hi leute,
um html-text in xhtml umzuwandeln, verwende ich das kommandozeilen-tool tidy (w3c).
das problem ist, dass in den html-seiten zeichsätze wie:
'windows-1250' u.a. verwendet werden (es handelt sich z.B. um eine slovenische seite). dabei bekomme ich dann immer wieder 'wide character' - meldungen.
in tidy habe ich aber nur verhältnismässig wenige optionen für zeichsätze zur verfügung ...
Character encodings
-raw output values above 127 without conversion to entities
-ascii use ISO-8859-1 for input, US-ASCII for output
-latin0 use ISO-8859-15 for input, US-ASCII for output
-latin1 use ISO-8859-1 for both input and output
-iso2022 use ISO-2022 for both input and output
-utf8 use UTF-8 for both input and output
-mac use MacRoman for input, US-ASCII for output
-win1252 use Windows-1252 for input, US-ASCII for output
-ibm858 use IBM-858 (CP850+Euro) for input, US-ASCII for output
-utf16le use UTF-16LE for both input and output
-utf16be use UTF-16BE for both input and output
-utf16 use UTF-16 for both input and output
-big5 use Big5 for both input and output
-shiftjis use Shift_JIS for both input and output
-language <lang> set the two-letter language code <lang> (for future use)
... gibt es da noch weitere optionen ?
oder vielleicht gibt es da überhaupt noch eine bessere idee wie man sowas machen kann.
soll aber irgendwie aus einem script (oder kommando-zeile) herraus ausgeführt werden.
am liebsten wäre mir eine perl oder php lösung.
danke im vorraus
mfg abe
um html-text in xhtml umzuwandeln, verwende ich das kommandozeilen-tool tidy (w3c).
das problem ist, dass in den html-seiten zeichsätze wie:
'windows-1250' u.a. verwendet werden (es handelt sich z.B. um eine slovenische seite). dabei bekomme ich dann immer wieder 'wide character' - meldungen.
in tidy habe ich aber nur verhältnismässig wenige optionen für zeichsätze zur verfügung ...
Character encodings
-raw output values above 127 without conversion to entities
-ascii use ISO-8859-1 for input, US-ASCII for output
-latin0 use ISO-8859-15 for input, US-ASCII for output
-latin1 use ISO-8859-1 for both input and output
-iso2022 use ISO-2022 for both input and output
-utf8 use UTF-8 for both input and output
-mac use MacRoman for input, US-ASCII for output
-win1252 use Windows-1252 for input, US-ASCII for output
-ibm858 use IBM-858 (CP850+Euro) for input, US-ASCII for output
-utf16le use UTF-16LE for both input and output
-utf16be use UTF-16BE for both input and output
-utf16 use UTF-16 for both input and output
-big5 use Big5 for both input and output
-shiftjis use Shift_JIS for both input and output
-language <lang> set the two-letter language code <lang> (for future use)
... gibt es da noch weitere optionen ?
oder vielleicht gibt es da überhaupt noch eine bessere idee wie man sowas machen kann.
soll aber irgendwie aus einem script (oder kommando-zeile) herraus ausgeführt werden.
am liebsten wäre mir eine perl oder php lösung.
danke im vorraus
mfg abe
