file - haskell - 无效的代码页字节序列

Question

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

这是一个用 notepad++ 创建的 UTF-8 文件……我怎样才能在 haskell 中读取文件？

Answer 1

默认情况下，文件是在系统语言环境中读取的，所以如果你有一个使用非标准编码的文件，你需要自己设置文件句柄的编码。

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

应该让你开始。请注意，这不包含错误处理，因此更好的方法是

import Control.Exception -- for bracket

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

或者

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