TCL-script (Eggdrop) 存在特殊字符问题

Question

我已经在新的 Debian 服务器上安装了 Eggdrop，但它在处理特殊字符时一直存在问题。

Eggdrop 正在运行 utf-8。我什至在脚本中手动将 TCL 编码强制为 utf-8。我尝试按照 http://eggwiki.org/Utf-8 中的说明重新编译 Eggdrop。

22:00 <@me> !tr fr I have prepared lots of cookies for the entire family.
22:00 <@bot> J'ai préparé beaucoup de biscuits pour toute la famille.
22:00 <@me> !tr ar The special characters are processed.
22:00 <@bot> êêÃE ÃEùçÃDìé çÃDãíñÃA çÃDîçõé.

（另请参阅之前提出的问题，该问题没有得到解决：Eggdrop 上的 TCL 编码问题)

namespace eval gTranslator {

# Factor this out into a helper
proc getJson url {
  set tok [http::geturl $url]
  set res [json::json2dict [http::data $tok]]
  http::cleanup $tok
  return $res
}
# How to decode _decimal_ entities; WARNING: high magic factor within!
proc decodeEntities str {
  set str [string map {\[ {\[} \] {\]} \$ {\$} \\ \\\\} $str]
  subst [regsub -all {&#(\d+);} $str {[format %c \1]}]
}

bind pub - !tr gTranslator::translate
proc translate { nick uhost handle chan text } {
  package require http
  package require json
  set lngto [string tolower [lindex [split $text] 0]]
  set text [http::formatQuery q [join [lrange [split $text] 1 end]]]
  set dturl "http://ajax.googleapis.com/ajax/services/language/detect?v=1.0&q=$text"

  set lng [dict get [getJson $dturl] responseData language]

  if { $lng == $lngto } {
    putserv "PRIVMSG $chan :\002Error\002 translating $lng to $lngto."
    return 0
  }
  set trurl "http://ajax.googleapis.com/ajax/services/language/translate?v=1.0&langpair=$lng%7c$lngto&$text"
  putlog $trurl

  set res [getJson $trurl]

  putlog $res
  #putserv "PRIVMSG $chan :Language detected: $lng"

  set translated [decodeEntities [dict get $res responseData translatedText]]

  putserv "PRIVMSG $chan :[encoding convertto utf-8 $translated]"
}
}

Answer 1

您所看到的丑陋混乱是 UTF-8 被解释为 ISO 8859-1。它表明某个地方对字符的含义存在误解，可能是由于通信通道上的线路交叉或应用了额外一轮编码而导致的。因为涉及到相当多的移动部分（IRC 客户端、IRC 服务器、eggdrop、您的脚本、Google 翻译），所以有必要通过调试来指导您。

Tcl 和 Google 能够正确地相互通信（我已经仔细检查了代码），因此我们可以消除这种可能性。因此，问题出在你的 IRC 客户端、IRC 服务器和 Eggdrop 之间；如果他们不同意“在线”字节的解释，你就会受到破坏。

您可以通过使用encoding Convertto（和encoding Convertfrom）在脚本中添加（或删除）重整，但有必要< em>明确你正在做什么，以便把它做好。在内存中，Tcl 将字符串表示为抽象 Unicode 字符序列；它们在内存中“写下”的方式与您无关（事实上，有时会以一种复杂的方式变化，但就运行时而言几乎总是非常高效）。如果普遍认为 IRC 服务器的通道将通过 UTF-8 传递，则您的要求是：

• 确保 Eggdrop 脚本将 UTF8 编码的字符写入通道。
• 确保您的客户端从通道读取 UTF8 编码的字符。

处理第一点，我不记得 Eggdrop 是否自动为您处理编码。如果是这样，您只需在绑定的最后阶段执行此操作：

putserv "PRIVMSG $chan :$translated"

如果没有，您可以执行以下操作：

putserv "PRIVMSG $chan :[encoding convertto utf-8 $translated]"

实验。使用正确的。

关于第二点（客户端），探索其设置并使其正确。请注意，如果客户端在无法正确显示所有 Unicode 字符的情况下运行，则可能会出现其他问题（如果在终端中运行，则这是一个常见问题）。您的 Eggdrop 脚本无法解决这个问题。

Answer 2

值得注意的是，如果数据的创建者以“编码 a”对其进行编码，并以“编码 b”读取它，那么当您查看它时，文本已经被破坏了。您不能只是告诉 Tcl 用另一种编码对其进行编码并期望它能够工作。

考虑一下：

• 发送者 rar 是一个文件
• 接收者获取文件并使用 zip 公式对其进行解码（并返回垃圾）
• 您告诉代码将文件重新编码为 lz7
• 您现在拥有 lz7 编码的垃圾，

因为原始解码没有匹配编码，你就有问题了。这不是一个完美的类比，但可能会有所帮助。