Ubuntu-gr Forum

Σίμο να σε ευχαριστήσω καταρχήν για όλη αυτή τη βοήθεια που μου δίνεις. Όλα αυτά μου είναι πολύ καινούργια ακόμα και γι αυτό μάλλον δεν έχω μάθει να περιγράφω το πρόβλημα που αντιμετωπίζω κάθε φορά σωστά... Όπως είπα έχω κατεβάσει 190.000 urls, από τα οποία τα 140.000 είναι στο σωστό encoding και τα υπόλοιπα 50,000 ή σε άλλο ή απλά είναι "σκουπίδια". Αυτά τα documents από τα urls τα σώζω ως .txt αρχεία (από βλακεία μου δεν το έχω αναφέρει ακόμα, ζητώ συγγνώμη) πάνω στα οποία και δουλεύω. Έχω βρει έναν τρόπο να μάθω ποια συγκεκριμένα είναι τα μη utf-8 (από τα txt που μου είναι και τα χρήσιμα). Όπως είπα, αυτά τα αρχεία αναγνωρίζονται ανεξαρτήτου encoding ως utf-8. Νομίζω ότι δεν υπάρχει τρόπος να το διορθώσω αυτό, παρά να ξανακατεβάσω με τον σωστό τρόπο τις σελίδες που είναι λάθος... Σωστά;
Και πάλι ευχαριστώ για το χρόνο σου