如何解决转换过程中出现的乱码？

[patricx]

我在转换带有法语和德语特殊字符的HTML为TXT时，部分TXT文档出现乱码，请问如何解决这些乱码呢？WS4遇到这些乱码不工作了啊，求助

 

[xujiajin]

转成Unicode是不是应该就没有问题了？

 

[xiaoz]

That's because the plain text uses ASCII code which cannot deal with accented characters in such languages. Saving webpages as text files encoded in Unicode will solve the problem.

 

[patricx]

我是用HTML2TXT4.0转换的，我刚才查了，正是ASCII码。Dr.xiaoz说的是直接用工具把HTML转成以Unicode编码的TXT吗？如果是的，用什么工具呢？还是再把ASCII码的TXT进行转换呢？谢谢两位博士的及时指点

 

[ineedgerf]

可能你不喜欢文本编辑器，其实它能做很多工作。就语料库来讲，文本编辑器胜过Word这类东西。
不推荐使用html2txt之类的东西。
不过，盘外符号象一些法语字母等尽量使用“实体”，这是比较保险的做法。