]> git.phdru.name Git - bookmarks_db.git/commitdiff
Always log guessed charset even if it's utf-8.
authorOleg Broytman <phd@phdru.name>
Mon, 3 Mar 2008 21:03:35 +0000 (21:03 +0000)
committerOleg Broytman <phd@phdru.name>
Mon, 3 Mar 2008 21:03:35 +0000 (21:03 +0000)
git-svn-id: file:///home/phd/archive/SVN/bookmarks_db/trunk@190 fdd5c36f-1aea-0310-aeeb-c58d7e2b6c23

Robots/parse_html.py

index ec93ea5acb0903e9557bc370559a0a0ebee4dd6e..3e49491c7fc36ff5f1e8749fc86195f2a49983e8 100755 (executable)
@@ -86,23 +86,26 @@ def parse_html(filename, charset=None, log=None):
    if parser.charset:
       parser.charset = parser.charset.lower().replace("windows-", "cp")
 
-   if parser.charset and (parser.charset <> universal_charset):
+   if parser.charset and (
+         (parser.charset <> universal_charset) or
+         ((not charset) or (charset <> parser.charset))):
       try:
          if parser.meta_charset:
             if log: log("   META charset   : %s" % parser.charset)
-         elif (not charset) or charset <> parser.charset:
+         elif (not charset) or (charset <> parser.charset):
             if log: log("   guessed charset: %s" % parser.charset)
          if log: log("   current charset: %s" % universal_charset)
          if log: log("   title          : %s" % title)
-         try:
-            converted_title = unicode(title, parser.charset).encode(universal_charset)
-         except UnicodeError:
-            if log: log("   incorrect conversion from %s, converting from %s" % (parser.charset, DEFAULT_CHARSET))
-            converted_title = unicode(title, DEFAULT_CHARSET, "replace").encode(universal_charset, "replace")
-            parser.charset = DEFAULT_CHARSET
+         if parser.charset <> universal_charset:
+            try:
+               converted_title = unicode(title, parser.charset).encode(universal_charset)
+            except UnicodeError:
+               if log: log("   incorrect conversion from %s, converting from %s" % (parser.charset, DEFAULT_CHARSET))
+               converted_title = unicode(title, DEFAULT_CHARSET, "replace").encode(universal_charset, "replace")
+               parser.charset = DEFAULT_CHARSET
          if log and (converted_title <> title): log("   converted title: %s" % converted_title)
       except LookupError:
-         if log: log("   unknown charset: `%s' or `%s'" % (parser.charset, universal_charset))
+         if log: log("   unknown charset: '%s'" % parser.charset)
    else:
       if log: log("   title          : %s" % title)