Perl 将商标符号插入 Mysql答案

【问题标题】：Perl Insert Trademark Symbol into MysqlPerl 将商标符号插入 Mysql
【发布时间】：2013-10-27 09:34:47
【问题描述】：

我编写了一个 perl 脚本，它使用 CAM PDF 模块从 pdf 文件中提取 PDF 元数据。然后我使用 DBI 将这些数据插入 MySQL。我遇到了一个包含特殊字符的 PDF 文件。我可以确认 MySQL 模式和数据库表设置为 UTF8。我已将 perl 脚本设置为使用 use utf8; 的 utf8 我也将 DBI 连接设置为使用此 mysql_enable_utf8 => 1。

我现在可以保存一些符号（版权、注册），但商标符号被转换为撇号/重音符号。我读到设置$dbh->do('SET NAMES utf8') 将有助于解决这个问题，但在我的场景中，它会在第一次遇到符号后剪切所有文本。

我猜问题是来自 PDF 的文本设置为另一种编码格式，而不是 UTF8。我尝试使用use Encoding 模块对这些字符串进行解码/编码，并将符号转换为文本。当使用 php 将该文本输出到网页时，它会显示为文本而不是符号。

【问题讨论】：

听起来您的数据被渲染为 ISO-8859-1 或 Windows-1252 而不是 UTF-8。
use utf8 仅声明您的脚本是用 utf-8 编码的。它不做任何其他事情。如需更多信息，请参阅perldoc 页面utf8 和perlunicode。

标签： mysql perl pdf character-encoding dbi

【解决方案1】：

添加到use utf8 与此处无关...PDF metadata use special PDFDocEncoding（或 UTF-16BE，如果 PDFDocEncoding 不够，但那不是您的情况），其中商标是十进制 146 -- 在 CP1252 中 quoteright，就是这样。因为CAM::PDF 不进行任何解码（PDF::API2，顺便说一句）并返回原始字节。你必须自己解码它们。但是，对于简单的元数据提取任务，您可以使用Image::ExifTool，它表示它会自动从 PDFDocEncoding 解码。

【讨论】：

感谢您推荐 Image::ExifTool。这完美地解决了我的编码问题。