हैकेल - अमान्य कोड पेज बाइट अनुक्रम

Question

readFile "file.html" 
"start of the file... *** Exception: file.html: hGetContents: invalid argument (invalid code page byte sequence) 

यह नोटपैड ++ के साथ बनाई गई एक यूटीएफ -8 फ़ाइल है ... मैं हैकेल में फ़ाइल कैसे पढ़ सकता हूं?

Answer 1

डिफ़ॉल्ट रूप से, सिस्टम लोकेल में फ़ाइलें पढ़ी जाती हैं, इसलिए यदि आपके पास गैर-मानक एन्कोडिंग का उपयोग करने वाली फ़ाइल है, तो आपको फ़ाइल को एन्कोडिंग स्वयं को संभालने की आवश्यकता है।

foo = do 
    handle <- openFile "file.html" ReadMode 
    hSetEncoding handle utf8_bom 
    contents <- hGetContents handle 
    doSomethingWithContents 
    hClose handle 

आपको प्रारंभ करना चाहिए। ध्यान दें कि यह कोई त्रुटि हैंडलिंग शामिल हैं, बेहतर तरीका इस प्रकार होगा

import Control.Exception -- for bracket 

foo = bracket 
     (openFile "file.html" ReadMode >>= \h -> hSetEncoding h utf8_bom >> return h) 
     hClose 
     (\h -> hGetContents h >>= doSomething) 

या

foo = withFile "file.html" ReadMode $ 
     \h -> do hSetEncoding h utf8_bom 
       contents <- hGetContents h 
       doSomethingWith contents 

Answer 2

this site के अनुसार, अपने 6 बाइट्स इस प्रकार डिकोड:

EF BB BF -> ZERO WIDTH NO-BREAK SPACE (i.e. the BOM, although its not needed in UTF-8 
C4 8D -> LATIN SMALL LETTER C WITH CARON (what you said) 
0D  -> CARRIAGE RETURN (CR) 

तो इसकी एक कानूनी यूटीएफ -8 अनुक्रम।

हालांकि मानक प्रीलूड फ़ंक्शन मूल रूप से बस ASCII करते थे। मुझे नहीं पता कि वे अब क्या करते हैं, लेकिन कुछ और विचारों के लिए इस प्रश्न को How does GHC/Haskell decide what character encoding it's going to decode/encode from/to? देखें। और फिर प्रीलूड फ़ंक्शंस के बजाय http://hackage.haskell.org/package/utf8-string का उपयोग करें।