テキストファイルをASCII同等のものに変換しようとすると、エラーメッセージiconv: illegal input sequence at position
。
私が使用するコマンドはiconv -f UTF-8 -t ascii//TRANSLIT file
問題の文字はæ
。
テキストファイル自体が存在します ここ 。
なぜそれは違法なシーケンスと言うのですか?入力文字は適切なUTF-8文字(U + 00E6)です。
ファイルはUTF-8ではなくISO-8859-1でエンコードされています。
$ hd 0606461.txt | grep -B1 '^0002c520'
0002c510 64 75 6d 20 66 65 72 69 65 6e 74 20 72 75 69 6e |dum ferient ruin|
0002c520 e6 0d 0a 2d 2d 48 6f 72 61 63 65 2e 0d 0a 0d 0a |...--Horace.....|
また、バイト「e6」だけでは有効なUTF-8シーケンスではありません。
したがって、iconv -f latin1 -t ascii//TRANSLIT file
。
リンクしたファイルはUTF-8のようですHTMLドキュメント内
$ file 0606461.txt
0606461.txt: HTML document, ASCII text, with CRLF line terminators
最初にHTML-to-textコンバーターで実行すると、.
iconv -f UTF-8 -t ascii//TRANSLIT < <(html2text 0606461.txt)
次に、あなたが問題を抱えていると思われるUTF-8フラグメントは、エラーなしで音訳されているようです
Si fractus illabatur orbis.
Impavidum ferient ruinæ
--Horace.
なる
Si fractus illabatur orbis.
Impavidum ferient ruinae
--Horace.
html2text
ユーティリティがシステムにインストールされていない可能性があります-見つからない場合は、pythonモジュールを含む他のコンバーターがあります。