Come descritto qui (Embed Discourse comments on another website via Javascript - #453 by limetti), quando si incorpora Discourse nel mio sito web, il titolo viene analizzato correttamente. Ma poiché contiene umlaut, titoli come “Ich würde” finiscono in “Ich würde”.
È un problema generale, un problema della mia pagina o esiste una soluzione alternativa? Grazie!
Questo è un classico problema di “codec errato”.
Come caso di test, se leggiamo (tramite python, in questo esempio) i dati grezzi dal tuo post:
In [1]: import urllib
In [2]: u = urllib.request.urlopen('https://meta.discourse.org/posts/1418409/raw')
In [3]: r = u.read(); r
Out[3]: b'As described here (https://meta.discourse.org/t/embed-discourse-comments-on-another-website-via-javascript/31963/453), when embedding Discourse into my website, the title is correctly parsed. But as it contains umlauts, titles like \\xe2\\x80\\x9cIch w\\xc3\\xbcrde\\xe2\\x80\\x9d end up in \\xe2\\x80\\x9cIch w\\xc3\\x83\\xc2\\xbcrde\\xe2\\x80\\x9d.\\n\\nIs this a general problem, a problem with my page or any workaround for that? Thanks!'
Otteniamo byte, ma non sappiamo come decodificarli. Tuttavia, uno degli header di risposta ci dice che dovremmo usare UTF-8:
In [4]: u.headers['content-type']
Out[4]: 'text/plain; charset=utf-8'
In [5]: r.decode('utf-8')
Out[5]: 'As described here (https://meta.discourse.org/t/embed-discourse-comments-on-another-website-via-javascript/31963/453), when embedding Discourse into my website, the title is correctly parsed. But as it contains umlauts, titles like “Ich würde” end up in “Ich würde”.\\n\\nIs this a general problem, a problem with my page or any workaround for that? Thanks!'
In [6]: print(r.decode('utf-8'))
As described here (https://meta.discourse.org/t/embed-discourse-comments-on-another-website-via-javascript/31963/453), when embedding Discourse into my website, the title is correctly parsed. But as it contains umlauts, titles like “Ich würde” end up in “Ich würde”.
Is this a general problem, a problem with my page or any workaround for that? Thanks!
Noterai che i caratteri appaiono esattamente come li hai postati. Ma quando viene fatta un’interpretazione errata di questi byte — specialmente quando si commette l’errore comune di interpretare questi byte come ISO-8859-1 invece di UTF-8 (stringa abbreviata per chiarezza di seguito), ottieni:
In [7]: snippet = r[220:255]; snippet
Out[7]: b'titles like \\xe2\\x80\\x9cIch w\\xc3\\xbcrde\\xe2\\x80\\x9d end up'
In [8]: snippet.decode('utf-8')
Out[8]: 'titles like “Ich würde” end up'
In [9]: snippet.decode('iso-8859-1')
Out[9]: 'titles like â\x80\x9cIch würdeâ\x80\x9d end up'
Se faccio print di questo, il mio terminale si blocca. Incredibile. 
Per riassumere: qualunque cosa tu stia usando per estrarre i dati del post da Discourse lo sta trattando come iso-8859-1 invece di utf-8.
(ipotizzando) Forse stai incorporando i byte grezzi estratti da un sito Discourse in una pagina che viene servita con una codepage iso-8859-1.
Grazie mille per l’indizio. In effetti, il meta-tag UTF-8 era dopo il tag title 
Ora funziona!
This topic was automatically closed 30 days after the last reply. New replies are no longer allowed.