encoding probleme (Allgemeines zu Perl)

[thread]13243[/thread]

encoding probleme

Leser: 17

Articles: hide open all | hide show old branches

+4 replies
Gast weißnix

2009-03-17 11:18
Liebe Perler,
ich bin kein Programmierer und hab deshalb einige Probleme, Programmierer-Latein zu verstehen (insbesondere sobald es sich um Objekte handelt), deshalb bitte ich im Folgenden um Nachsicht.

Mein Problem ist das folgende: Ich möchte in Windows (XP und Vista) Word Dateien öffnen, den Text auslesen und in eine Textdatei schreiben.

Ich hab ein script im Internet gefunden, mit dem das ganz gut läuft und das Win32::OLE verwendet. Das nächste Problem ist, dass es sich bei den Dateien um tschechische Zeichen handelt (z.B. ěščřžýáíé), die werden aber alle ersetzt. Nach stundenlangem googeln hab ich rausgefunden, dass das möglicherweise encoding heisst, aber aus der Modulbeschreibung von Encode bin ich keinen Deut schlauer geworden.

Kann mir jemand helfen?
Code: (dl )

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

use warnings ; use strict ; use diagnostics ; use Win32::OLE qw(in); use Cwd ; my @files = <*.doc> ; foreach my $infile (@files) { $infile =~ /(.*).doc/ ; my $outfile = $1 . '.txt' ; $infile = Win32::GetCwd() . "/$infile" if $infile !~ /^(\w:)?[\/\\]/; $outfile = Win32::GetCwd() . "/$outfile" if $outfile !~ /^(\w:)?[\/\\]/; my $Word = Win32::OLE->new('Word.Application', 'Quit') or die "Couldn't run Word"; my $Doc = $Word->Documents->Open($infile) or die Win32::OLE->LastError(); open(OUT,">$outfile"); print OUT $Doc->{Content}->{Text}; close OUT; }
- renee
  
  2009-03-17 11:32
  
  User since
  2003-08-04
  14371 Artikel
  ModeratorIn
  
  Was heißt "sie werden ersetzt"?
  OTRS-Erweiterungen (http://feature-addons.de/)
  Frankfurt Perlmongers (http://frankfurt.pm/)
  --
  
  Unterlagen OTRS-Workshop 2012: http://otrs.perl-services.de/workshop.html
  Perl-Entwicklung: http://perl-services.de/
- +2 replies
- renee
  
  2009-03-17 11:34
  User since
  2003-08-04
  14371 Artikel
  ModeratorIn
  Guest weißnix
  
  Code: (dl )
  
  1 2 3
  
  open(OUT,">$outfile"); print OUT $Doc->{Content}->{Text}; close OUT;
  
  Mach daraus mal:
  
  Code: (dl )
  
  1 2 3 4 5
  
  use Encode; open(OUT,">$outfile"); binmode OUT, ':encoding(utf-8)'; print OUT $Doc->{Content}->{Text}; close OUT;
  
  Evtl. musst Du auch erst den Text aus der Word-Datei dekodieren. Weißt Du denn, ob die Datei in UTF-8 vorliegt oder ISO-8859-2?
  OTRS-Erweiterungen (http://feature-addons.de/)
  Frankfurt Perlmongers (http://frankfurt.pm/)
  --
  
  Unterlagen OTRS-Workshop 2012: http://otrs.perl-services.de/workshop.html
  Perl-Entwicklung: http://perl-services.de/
  - Gast weißnix
    
    2009-03-17 12:15
    
    Danke für die rasche Antwort, hier mehr Infos
    
    ohne Encode wird:
    ěščřžýáíé zu ìšèøžýáíé
    
    mit Encode:
    ěščřžýáíé -> ìèøýáíé
    
    Mit ist auch noch eingefallen, dass auch IPA zeichen nicht schlecht wären, aber das wird sich wohl nicht bewerkstelligen lassen, weil dafür oft extra Schriften installiert werden müssen?
    ɧəɛʃɳŋ beispielsweise? Die werden immer zu ??????
    
    Wie kann ich die Kodierung der Word-Dateien rausfinden? Kann es auch sein, dass es sich zwischen den Dateien unterscheidet, weil die von vielen unterschiedlichen Usern kommen?

View all threads created 2009-03-17 11:18.