doc-to-text encoding problem about hunglish-webapp HOT 2 CLOSED

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.

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.