Perl中文编码的处理
[*]
Perl只认识两种编码： Ascii(octets)和utf8(string)
[*]
Perl如何确定哪种编码?
在perl内部, 字符串结构由两部分组成: 数据和utf8 flag.
例如:
utf8 flag 数据
On 中文
如果utf8 flag为On的话, perl就会把“中文”当成utf8字符串来处理, 如果utf8 flag为Off, perl就会把他当成octets来处理.
所有字符串相关的函数包括正则表达式都会受utf8 flag的影响.
use 5.012;
use Encode ;
my $str="中文处理";
Encode::_utf8_on($str);
#utf-8 编码输出是 12
say length($str);
Encode::_utf8_off($str);
#输出是4
say length($str);
utf8 flag开启的情况下, 正则表达式中的\w能够匹配中文, 反之则不能.
如何确定一个字符串的utf8 flag是否已开启?
使用Encode::is_utf8($str). 这个函数并是查看它的utf8 flag是否开启.
use 5.012;
use Encode;
my $str="中文处理";
Encode::_utf8_on($str);
say 'utf8 flag: on' ifEncode::is_utf8($str);
Encode::_utf8_off($str);
say 'utf8 flag: off' unlessEncode::is_utf8($str);
eq是一个字符串比较操作符, 只有当字符串的内容一致并且utf8 flag的状态也是一致的时候, eq才会返回真.
[*]
unicode转码
1.本身不是utf8编码的需要转为utf8编码并打开utf8 flag 标识
例如：本身是gb2312的代码
use Encode qw(encode decode)
$str = decode(’gb2312‘, $str);
2.本身是utf编码的，未打开utf8标识的
可以通过三种方式进行打开
$str = decode_utf8($str);
$str =decode("utf8", $str);
Encode::_utf8_on($str);
[*]
perl unicode编程基本原则
对于任何要处理的unicode字符串, 1.把它的编码转换成utf8;2.开启它的utf8 flag
字符串的几种来源：
1.命令行参数和标准输入
utf8 flag 关闭的
2.源代码中的字符串
utf8 flag 关闭
技巧：最好的解决方式 1. 程序文件使用utf-8方式存储 2.文件开头使用use utf8; 打开on标识
3.从文件读入.你的文件是什么编码, 读进来就是什么编码了. 读进来以后, utf8 flag是off状态.
4.网页是什么编码就是什么编码, utf8 flag是off状态.
输出的集中情况：
1.标准输出. 标准输出的编码跟locale一致. 输出的时候utf8 flag应该关闭, 不然就会出警告:
Wide character in print at 。。。。。
小技巧:binmode(STDOUT, ":encoding(gb2312)"); 中文locale 可以用这种方式集中转码
2.GUI程序.utf8编码, utf8 flag开启
3.网页post 根据网页的编码。post出去的指示字符串部分。无所谓。
页:
[1]