为什么我用 Perl 获取的网页看起来很奇怪？答案

【问题标题】：Why does the web page I fetch with Perl look odd?为什么我用 Perl 获取的网页看起来很奇怪？
【发布时间】：2011-02-12 03:50:18
【问题描述】：

我有一个 Perl 脚本来打开页面 http://svejo.net/popular/all/new/ 并过滤帖子的名称，但除了标题之外，所有内容似乎都是加密的。什么都无法读取。

当我在浏览器中打开同一个页面时，一切看起来都很好，包括源代码。如何为脚本而不是浏览器加密页面？我的 Perl 脚本发送与我的浏览器 (Google Chrome) 相同的标头。

【问题讨论】：

【解决方案1】：

页面使用 UTF-8 编码。也许您的 Perl 脚本使用了不同的编码？

我发现这个页面描述了Processing UTF-8 Files with Perl。

【讨论】：

【解决方案2】：

虽然我不懂保加利亚语，但该页面看起来不错。

#!perl

use LWP::Simple;

getprint( 'http://svejo.net/popular/all/new/' );

此脚本返回纯页面，没有任何看起来奇怪或加密的内容：

Svejo — Популярните новини

您尝试了什么，您使用的是哪个版本的 perl 和模块？您看到的输出是什么？

您澄清您在 Windows 上使用 ActivePerl（请更新您的问题并提供更多详细信息）。请记住，您不仅需要在程序中执行正确的 Unicode 操作，而且您的终端必须设置为正确显示 Unicode。

当你明确地binmode你的输出时会发生什么？

 binmode STDOUT, ':utf8';

尝试将输出保存到文件中，然后在理解 UTF-8 的编辑器中查看。

好吧，那没用。让我们更加通用，将所有句柄设置为默认使用 UTF-8：

  use open IO  => ':utf8';

【讨论】：

@brian - 这是西里尔字母，但几乎不是俄语 :) 如果您查看源代码，语言就在那里： -所以它是保加利亚语 (en.wikipedia.org/wiki/Bulgarian_language)。正如 Stevko 所说，它是 UTF-8，或者至少我的 Firefox 是这样说的 :)
顺便说一句，我的 ActiveState Perl (v5.10.1) - 至少在 WindowsXP cmd 终端窗口中 - 确实使用您的 Perl 2 将西里尔文呈现为某种高位 ASCII 艺术字符乱码-上面的班轮。我对 UTF 不够精通，无法提出一个合理的理由:(
我用的是OpeSuse，Perl版本是5.10.0，终端设置为utf8。我什至将脚本输出重定向到一个文件——同样的事情。显然 perl 使用的字符编码与 utf8 不同。顺便说一句，我尝试用简单的curl -i http://svejo.net/thestuffhere（用反引号括起来）替换脚本的连接部分，它可以工作。现在我真的很困惑
好吧，这真的很奇怪，而且有点难以远程弄清楚。你能用perl -V发布你的perl的编译细节吗？另外，这是一个打包的 perl 还是你自己编译的？我会尝试编译另一个 perl 看看会发生什么。不过，这是一项严厉的措施。
它是在发行版中构建的。我会将详细信息作为新答案发布