Closed GoogleCodeExporter closed 9 years ago
Kiderült, hogy ezek pontosan a Word 95 .doc fájlok. Abból már nem sok lesz
azért. Egyelőre wontfix, majd ha mondjuk egy SLP harvest során százszámra
találunk ilyet, akkor újranyitom.
Original comment by Varga.Da...@gmail.com
on 5 May 2011 at 4:41
Hoppa. A 101 rtf-unk kozul 51-et erint az a problema, hogy a catdoc_latin2.sh
elveszejti a double acute karaktereket. Ugyanaz, mint fentebb, hogy hullamos
o-t es kalapos u-t rak bele, amit aztan a latin2-konverter elveszejt, hiszen
nincs benne a kodtablaban.
ls /big3/Work/HunglishMondattar/deployment/harness.data/hu/rtf/* | while read f
; do echo -n "$f " ; cat $f |
/big3/Work/HunglishMondattar/hunglish-webapp/src/main/python/tcg/scripts/catdoc_
latin2.sh | ~/scripts/toproszeky.sh | grep -c o3 ; done | awk '($2==0) { print
$1 }' | wc
Meghackeltem, beletettem a catdoc_latin2.sh-ba egy olyat, hogy az utf-8 adaton
lecsereli a kalapost-hullamost double acute-ra. Ezt majd az utf-8 pipeline-ba
is at kell tenni.
Original comment by Varga.Da...@gmail.com
on 6 Sep 2011 at 3:39
Original issue reported on code.google.com by
Varga.Da...@gmail.com
on 2 Mar 2011 at 2:55