Text-Dateien mit ungewollten Leerzeichen zwischen allen Buchstaben (gelöst) (Allgemeines zu Perl)

[thread]17043[/thread]

Text-Dateien mit ungewollten Leerzeichen zwischen allen Buchstaben [gelöst]

Tags: perl5 windows shell utf Ähnliche Threads

Leser: 14

Articles: hide open all | hide show old branches

+14 replies
Sven_123

2012-01-06 13:08
User since
2010-06-01
120 Artikel
BenutzerIn
Hallo,
ich schätze, dass das was eher alltägliches ist, hab aber trotzdem nichts gefunden, beim schnellen Suchen:

Muss grad auf nem Windows-Rechner schreiben. Folgendes:
Code (perl): (dl )

1 2

open my $in, "< Text.txt" or die $!; while (<$in>){print}
Liefert mir auf meiner Strawberry-Perl-Konsole den Text der Datei mit einem Leerzeichen zwischen jedem Buchstaben. (Das eigentliche Problem ist, dass sämtliche Regex in der Folge nicht richtig funktionieren und dieses "Leerzeichen" anscheinend auch von \s nicht gematched wird. Aber ich geh davon aus, dass das zusammenhängt...)
Kann mir jemand sagen, was ich da ändern muss? Vielen Dank, Sven

modedit Editiert von GwenDragon: Titel sinnvoll gekürzt; Tags hinzu
Last edited: 2012-01-06 15:18:22 +0100 (CET)
- +2 replies
- Taulmarill
  
  2012-01-06 13:12
  
  User since
  2004-02-19
  1750 Artikel
  BenutzerIn
  
  Kann ich bei mir jetzt so auf die schnelle nicht nachvollziehen. Gehe doch mal mit einem Hexeditor o.ä. in die Textdatei rein und schau dir mal die Bytes an. Vielleicht ist das ja UTF-16 oder eine exotischere 16Bit Codierung.
  $_=unpack"B*",~pack"H*",$_ and y&1|0& |#&&print"$_\n"for@.=qw BFA2F7C39139F45F78 0A28104594444504400 0A2F107D54447DE7800 0A2110453444450500 73CF1045138445F4800 0 F3EF2044E3D17DE 8A08A0451412411 F3CF207DF41C79E 820A20451412414 83E93C4513D17D2B
  - Sven_123
    
    2012-01-06 13:38
    
    User since
    2010-06-01
    120 Artikel
    BenutzerIn
    
    Ich kenn mich damit nicht wirklich aus - wenn ich das ganze mit dem Hex-Editor aufmach stehen in zwei Spalten die ganzen Zahlen und in einer Weiteren der Text. Hier steht dann zwischen jedem Buchstaben ein Punkt...hilft das?
    
    Edit: Das ganze ist ein, von nem OCR-Programm generierter Text, also nicht selbst geschrieben. Im Windows-Editor sieht es aber normal aus.
    
    Edit2: Hab im Hexeditor zum Spaß mal alle "00" durch nichts ersetzt (sah so aus, als wären das die Punkte - die Folge ist, dass der normale Editor mir alles in irgendeiner mir unbekannten Schrift (was asiatisches?^^) anzeigt, mein Perlprogramm aber plötzlich alles (auf den ersten Blick) richtig ausspuckt.
    Falls jemand die richtige Lösung weiß, würde sie mich trootzdem interessieren... ;)
    Last edited: 2012-01-06 14:14:58 +0100 (CET)
- +4 replies
- GwenDragon
  
  2012-01-06 14:16
  
  User since
  2005-01-17
  14601 Artikel
  Admin1
  
  Das wird dann wohl UTF-16 oder eine UCS-2-Kodierung sein.
  die Drachin Gwen
  
  Meine Perl-Artikel · perldev – verschiedene Perl-Versionen unter Windows starten
  - +3 replies
  - Sven_123
    
    2012-01-06 14:39
    
    User since
    2010-06-01
    120 Artikel
    BenutzerIn
    
    Und was mach ich dagegen? :)
    
    Irgendwas stimmt grundsätzlich nicht...wenn ich mit perl eine Datei beschreibe, oder auch einfach den (richtig angezeigten) output von der Strawberry-Konsole in eine Datei pipe, hab ich nur wieder kyrillischen Text dastehen...
    - GwenDragon
      
      2012-01-06 14:48
      
      User since
      2005-01-17
      14601 Artikel
      Admin1
      
      Der Zeichensatz in der Konsole und im WIndows~~editor~~ sind immer unterschiedlich.
      Konsole: CP850
      Windows: WIndows1252
      Last edited: 2012-01-06 14:53:25 +0100 (CET)
      die Drachin Gwen
      
      Meine Perl-Artikel · perldev – verschiedene Perl-Versionen unter Windows starten
    - GwenDragon
      
      2012-01-06 14:56
      
      User since
      2005-01-17
      14601 Artikel
      Admin1
      
      2012-01-06T13:39:56 Sven_123
      Und was mach ich dagegen?
      
      Erst ma die Kodierung rausbekommen. Ist dir nichts bekannt, mit welcher Kodierung das OCR den Text erzeugt?
      
      Ansonsten probier doch mal Encode::Guess.
      die Drachin Gwen
      
      Meine Perl-Artikel · perldev – verschiedene Perl-Versionen unter Windows starten
- +7 replies
- GwenDragon
  
  2012-01-06 14:47
  
  User since
  2005-01-17
  14601 Artikel
  Admin1
  
  Welche Codepage verwendest du denn in der Konsole?
  Anzuzeigen mit chcp.
  die Drachin Gwen
  
  Meine Perl-Artikel · perldev – verschiedene Perl-Versionen unter Windows starten
  - +6 replies
  - Sven_123
    
    2012-01-06 14:58
    
    User since
    2010-06-01
    120 Artikel
    BenutzerIn
    
    850
    
    Ich bin ein bisschen weiter:
    Wenn ich die ursprünglichen Dokumente mit Word aufmach, und "Unicode" auswähl, zeigt er es richtig an, mit dem "Windows-Standart" macht er die Leerzeichen dazwischen.
    Bei den, von der Konsole geschriebenen Texten muss ich allerdings den Windowsstandart benutzen, mit Unicode bekomm ich die komischen Zeichen. Der Editor wählt also immer Unicode, die Konsole anscheinend den Windowsstandart.
    
    Ich müsste meinem Programm (oder der Konsole in dem es läuft?) also nur beibringen, beim Einlesen Unicode zu benutzen. (Der Rest ist dann nicht so wichtig.)
    
    Vielen Dank für die Hilfen. :)
    (Ich glaube den Rest bekomm ich hin.)
    Last edited: 2012-01-06 15:02:34 +0100 (CET)
    - GwenDragon
      
      2012-01-06 15:03
      
      User since
      2005-01-17
      14601 Artikel
      Admin1
      
      Die Konsole kann kein Unicode!
      Ungetestet: wenn du die cmd /u aufrufst, funktioniert Unicode.
      die Drachin Gwen
      
      Meine Perl-Artikel · perldev – verschiedene Perl-Versionen unter Windows starten
    - +4 replies
    - GwenDragon
      
      2012-01-06 15:10
      
      User since
      2005-01-17
      14601 Artikel
      Admin1
      
      chcp 65001 muss es für Unicode sein! mal was als zu-viel-Linux-Shell dazu gerlernt. ;)
      die Drachin Gwen
      
      Meine Perl-Artikel · perldev – verschiedene Perl-Versionen unter Windows starten
      - +3 replies
      - Sven_123
        
        2012-01-06 15:12
        
        User since
        2010-06-01
        120 Artikel
        BenutzerIn
        
        Vielen Dank :)
        
        +2 replies
        
        GwenDragon
        
        2012-01-06 15:16
        
        User since
        2005-01-17
        14601 Artikel
        Admin1
        
        War nicht in der üblichen Windowshilfe zu finden und auch im MS-Technet schwer.
        Ist wohl ein Geheimtip des Web.
        die Drachin Gwen
        
        Meine Perl-Artikel · perldev – verschiedene Perl-Versionen unter Windows starten
        
        topeg
        
        2012-01-06 16:24
        
        User since
        2006-07-10
        2611 Artikel
        BenutzerIn
        
        chcp (change Codepage) ändert nicht nur die Codepage für die Konsole. Soweit ich mich erinnere werden auch alle Dateinamen damit kodiert.
        Ich habe mich vor 10 Jahren damit herumgeschlagen um über Linux Dateien von Windows zum Mac (MacOS8) transferieren zu können.
        Das war ein fürchterliches Gefummel mit den Codepages bis alles Funktionierte.

View all threads created 2012-01-06 13:08.