Sto usando wget per scaricare una pagina HTML statica. Il validatore W3C mi dice che la pagina è codificata in UTF-8. Tuttavia, quando eseguo il cat del file dopo il download, ricevo un mucchio di sciocchezze binarie. Sono su Ubuntu e ho pensato che la codifica predefinita fosse UTF-8? Questo è ciò che sembra dire il mio file locale. Perché sta succedendo e come posso correggerlo?
Inoltre, sembra Content-Encoding: gzip
. Forse questo fa una differenza?
Questa è la semplice richiesta:
wget https://www.example.com/page.html
Ho anche provato questo:
wget https://www.example.com/page.html -q -O - | iconv -f utf-16 -t utf-8 > output.html
Che ha restituito: iconv: illegal input sequence at position 40
cat'ing il file restituisce un file binario simile al seguente:
l�?חu�`�q"�:)s��dġ__��~i��6n)T�$H�#���QJ
Risultato di xxd output.html | head -20
:
00000000: 1f8b 0800 0000 0000 0003 bd56 518f db44 ...........VQ..D
00000010: 107e a6bf 62d4 8a1e 48b9 d8be 4268 9303 .~..b...H...Bh..
00000020: 8956 082a 155e 7a02 21dd cbd8 3bb6 97ae .V.*.^z.!...;...
00000030: 77cd ee38 39f7 a1bf 9d19 3bb9 0bbd 9c40 w..89.....;....@
00000040: 2088 12c5 de9d 9df9 be99 6f67 f751 9699 .........og.Q..
00000050: 500d 1d79 5eee a265 faec 7151 e4ab 6205 P..y^..e..qQ..b.
00000060: 4dd3 0014 1790 e7d0 77c0 ef2f cbf8 cde3 M.......w../....
00000070: cf1f 7d6c 7d69 ec16 d0d9 c67f 7d7d 56c9 ..}l}i......}}V.
00000080: 04c5 eb33 35fc e49e 2563 e908 ca10 0d45 ...35...%c.....E
00000090: 31ce afcf a022 e77a 34c6 fa46 46be d88f 1....".z4..FF...
000000a0: a41e ab79 446d 76d6 702b cf45 9e7f ba77 ...yDmv.p+.E...w
000000b0: 7dc2 779c 274e cc18 483c 3a12 0f75 f07c }.w.'N..H<:..u.|
000000c0: 5e63 67dd b886 ab48 e550 b5c4 f0e3 db0d ^cg....H.P......
000000d0: 54c1 85b8 8627 2ff3 2ff3 17f9 0626 d31d T....'/./....&..
000000e0: d9a6 e5b5 4076 663f 94ec 7b5a 17cf 7ade ....@vf?..{Z..z.
000000f0: 00d3 0d9f 4fcc d733 ef8d a0bb 0a06 c7eb ....O..3........
00000100: b304 6fb1 b1cc 18ed 90e0 8710 43aa 424f ..o.........C.BO
00000110: 50c7 d0c1 2bac 09be 4d1c 2566 335e 666c P...+...M.%f3^fl
00000120: 1e20 951d 58fd 6774 f3e9 f317 749f 7fc4 . ..X.gt....t...
00000130: d651 cdca f5a7 b0a5 aea4 08ab 055c e4c5 .Q...........\..
Inoltre, stranamente, il file di output sembra aprirsi correttamente in TextWrangler!
xxd dubious.file
| head -20` e includendolo come aggiornamento.