将字符串中的多个 Unicode 转换为字符

Question

问题——我有一个字符串，比如Buna$002C_TexasBuna$002C_Texas'，其中$ 后面是Unicode。我想用它们各自的 Unicode 字符表示来替换这些 Unicode。

在Perl中，如果任何Unicode是“\x{002C}”的形式，那么它将被转换为相应的Unicode字符。下面是示例代码。

#!/usr/bin/perl
my $string = "Hello \x{263A}!\n";
@arr= split //,$string;
print "@arr";

我正在处理一个包含 1000 万条记录的文件。所以我将这些字符串放在一个标量变量中。要执行与上述相同的操作，我将$4_digit_unicode 替换为\x{4_digit_unicode}，如下所示。

$str = 'Buna$002C_TexasBuna$002C_Texas';
$str =~s/\$(.{4})/\\x\{$1\}/g;
$str = "$str"

它给了我

Buna\x{002C}_TexasBuna\x{002C}_Texas

这是因为在$str = "$str"，行$str 正在被插值，而不是它的值。所以\x{002C} 没有被 Perl 插值。

有没有办法强制 Perl 也插入 $str 的内容？

或

还有其他方法可以实现吗？我不想取出每个 Unicode，然后使用 pack "U4",0x002C 将其打包，然后将其替换回去。但是一行中的某些内容（例如以下不成功的尝试）是可以的。

$str =~ s/\$(.{4})/pack("U4",$1)/g;

我知道以上是错误的；但是我可以像上面那样做吗？

对于输入字符串$str = 'Buna$002C_TexasBuna$002C_Texas'，所需的输出是Buna,_TexasBuna,_Texas。

Answer 1

这给出了预期的结果：

use strict;
use warnings;
use feature 'say';

my $str = 'Buna$002C_TexasBuna$002C_Texas';

$str =~s/\$(.{4})/chr(hex($1))/eg;

say $str;

主要有趣的项目是s///eg 中的e。 e 表示将替换文本视为要执行的代码。 hex() 将十六进制字符串转换为数字。 chr() 将数字转换为字符。替换行最好如下编写，以避免尝试转换后跟非十六进制字符的美元。

$str =~s/\$([0-9a-f]{4})/chr(hex($1))/egi;

Answer 2

可以在替换字符串中执行pack等语句，只需要使用e正则表达式修饰符即可。

或者你可以这样做

$str =~s/\$(.{4})/"@{[pack("U4",$1)]}/g;

如果这两个选项不起作用，请告诉我，查看Stackoverflow question 了解更多信息。

Answer 3

"\x{263A}"（包括引号）是一个字符串文字，一段代码，当解释器评估时，它会生成一个包含唯一字符263A的字符串（作为脚本的一部分传递给perl 进行评估）。

另一方面，"\\x\{$1\}"（包括引号）产生一个由\、x、{、$1 和} 的内容组成的字符串。

后者是您正在生成的字符串。您似乎正在尝试生成 Perl 代码，但它不是有效的 Perl 代码 - 它缺少引号 - 而且您永远不会让 perl 解释代码。

---

 $str =~ s/\$(.{4})/\\x\{$1\}/g;

简称

 $str =~ s/\$(.{4})/ "\\x\{$1\}" /eg;

这完全不同于

 $str =~ s/\$(.{4})/ "\x{263A}" /eg;

---

看起来您打算执行以下操作：

$str =~ s/\$(.{4})/ eval qq{"\\x\{$1\}"} /eg;

但是有更简单的方法可以生成所需的字符串，例如

$str =~ s/\$(.{4})/ pack "U4", $1 /eg;

或者更好，

$str =~ s/\$(.{4})/ chr hex $1 /eg;