8
Estoy usando Ruby para leer y luego imprimir un archivo en stdout, redireccionando la salida a un archivo en Windows PowerShell.NUL-byte entre cualquier otro carácter en la salida
Sin embargo, cuando examino los archivos, consigo este para la entrada:
PS D:> head -n 1 .\inputfile
<text id="http://observer.guardian.co.uk/osm/story/0,,1009777,00.html"> <s> Hooligans NNS hooligan
, , , unbridled JJ unbridled passion NN passion
- : - and CC and no DT no executive JJ executiv
e boxes NNS box . SENT . </s>
... sin embargo esto para la salida:
PS D:> head -n 1 .\outputfile
ÿ_< t e x t i d = " h t t p :// o b s e r v e r . g u a r d i a n . c o . u k/o s m/s t o r y/0 , , 1 0 0 9 7 7 7 , 0
0 . h t m l " > <s> H o o l i g a n s N N S h o o l i g a n , ,
, u n b r i d l e d J J u n b r i d l e d p a s s i o n N N p a s s i o n
- : - a n d C C a n d n o D T n o e x e c u t i v e J J
e x e c u t i v e b o x e s N N S b o x . S E N T . </s >
¿Cómo puede suceder esto?
Editar: ya que mi problema no tiene nada que ver con Ruby, he eliminado el Rubí de código, e incluido mi uso de la shell de Windows.
¿Cuál es su plataforma? Que ['ÿ_'] (http://en.wikipedia.org/wiki/Byte_order_mark#UTF-16) parece una BOM para la salida UTF-16. – sarnold
No sé por qué, pero su archivo de salida parece estar codificado en UTF-16. – Stefan
Gracias! Nunca hubiera adivinado el significado de 'ÿ_'. Me temo que es específico de Windows y no tiene nada que ver con Ruby. Los NUL-bytes me hicieron sospechar de UTF-16, y el problema se resuelve cuando tengo la salida de Ruby en UTF-16 ... y uso el archivo de salida de Ruby en lugar del operador '>' de PowerShell. – wen