Я хотел бы взять таблицу кандзи на странице Википедии, и у меня возникли проблемы с использованием Nokogiri со специальным символом. Вот мой сценарий:Захватить веб-страницу Кандзи с помощью Nokogiri
# -*- encoding: utf-8 -*-
require 'rubygems'
require 'nokogiri'
require 'open-uri'
link = 'http://en.wikipedia.org/wiki/List_of_j%C5%8Dy%C5%8D_kanji'
doc = Nokogiri::HTML(open(link))
doc.encoding = 'UTF-8'
d = []
doc.css('.wikitable tr').each do |tr|
row = []
tr.css('td').each {|td| row << td.text }
d << row
end
d.each {|row| row.each {|td| puts td } }
y = YAML.dump(d, STDOUT)
puts y
Моя беда в том, что она возвращает двоичные символы (например, Аа), а затем кандзи символы (например, 人).
Как отредактировать его, чтобы исправить это? Большое спасибо.
Кандзи не специальные символы, имхо, они просто нормальные японские символы. – YOU
@ S.Mark они «особенные» в том смысле, что по сравнению с большинством латинского языка у них есть ОГРОМНОЕ количество кодовых страниц/символов, поэтому в некоторых случаях может потребоваться дополнительная «специальная» обработка, чем латинские языки. Но другие мудрые для большей части, пока приложение может обрабатывать Unicode, они могут обрабатываться примерно так же, как и обычный текст. – Pharaun