如何在 Perl 中识别货币符号？答案

【问题标题】：How do I recognise currency symbols in Perl?如何在 Perl 中识别货币符号？
【发布时间】：2011-05-09 23:33:39
【问题描述】：

我遇到了一些麻烦。

我正在阅读一些文本并试图从中提取价格。我很好，但我正在尝试编写一些代码来使用类似于这些的 if 语句从文本中的符号确定货币的名称

if ($curr eq "\$"){
print CURRENCY "Currency: Dollars($curr)\n";
}
else {if($curr eq "£"){
print CURRENCY  "Currency: Pounds($curr)\n";
}
else {if($curr eq "€"){
print CURRENCY  "Currency: Euros($curr)\n";
}

现在这适用于 $（显然必须转义），但不适用于英镑符号或欧元符号。我认为这与 Unicode 编码有关，或者与我尝试用谷歌搜索该问题时类似的东西有关，但我没有发现任何帮助。我想知道是否有人可以在这里帮助我！

【问题讨论】：

有不止一种方法可以做到这一点，但我建议那些else {if 的东西都应该是elsif，你不觉得吗？此外，您还缺少一些}s。
如果$ 不是写成"\$"，而是写成'$'，则不需要转义。单引号不插入。
@Kinopiko 我刚刚复制并粘贴了我的代码摘录来说明问题 - 显然我错过了复制几个结束的 }！

标签： perl unicode currency

【解决方案1】：

如何谈论 Unicode 字符

听起来您的编码有问题。你的 Perl 程序的源代码中似乎有 Unicode 字符。你需要使用这个 pragma（这是一种花哨的方式来表示一个小写的模块名称，它就像编译器指令一样）：

use utf8;

将其放在程序的顶部，然后确保您实际上是使用知道将其保存为 UTF-8 文本的编辑器对其进行编辑。您可以使用file 命令来验证它是否表明该文件是UTF-8 格式。

不要求您的 Perl 源代码为 UTF-8 的替代方法是使用代码点编号或 Unicode 字符名称而不是文字。要获取命名的 Unicode 字符，请使用以下编译指示：

use charnames qw[ :full ];

现在您可以使用"\N{…}" 表示法来讨论命名字符：

$pound_sign = "\N{POUND SIGN}";
$euro_sign  = "\N{EURO SIGN}";

另一种方法是使用数字代码点，如果你知道的话：

$pound_sign = chr(163);
$euro_sign  = chr(0x20AC);

如果需要，您也可以在字符串和模式中使用确切的数字：

if ($text =~ /\xA3/) { … }     # POUND SIGN

if ($text =~ /\x{20AC}/) { … } # EURO SIGN

这将使您不必在 Perl 源代码中放入非 ASCII，这可能是一个好主意，即使像这样的文字幻数可能不是。但是，您仍然必须考虑到您的数据源处于某种编码或另一种编码中。我将假设它采用某种 Unicode 编码，可能是 UTF-8。我希望它不是来自 Oracle 的 CESU-8 或 Java 的“修改后的 UTF-8”。

Unicode ‘Currency_Symbol’ 属性

唯一检测文本中由单个 Unicode 字符表示的任意货币符号的正确方法是检测 Unicode 货币符号属性 \p{Sc} 或 \p{Currency_Symbol}。

这些是 Unicode 属性，它们是您可以在正则表达式中使用的字符类。

你会想说类似

if ($curr =~ /^\p{Sc}$/) { ... }

但要使其工作，您必须从:utf8 编码的输入源中读取$curr。在你自己的来源中，你会说：

use utf8;

在您打开的文件中，您会说以下其中一项：

# put at the top of your file and be done with it
use open qw[ :std :utf8 ];

# or else when opening a new handle
open(my $new_handle, "< :encoding(utf8)", "/path/to/file")
    || die "can't open /path/to/file: $!";

# if handle already opened, then just
binmode($already_opened_handle, ":encoding(utf8)")
     || die "can't binmode: $!";

从技术上讲，您可能应该在自己的源文件中使用:encoding(utf8)，除了use utf8;，这样您就不会被欺骗。不要问。 ☹

如果您使用的是 CGI.pm 或 XML::Simple 之类的模块，它应该可以正常工作 - 但这取决于。

货币符号字符的属性

这是完整的交易：

% uniprops -vag € 'POUND SIGN'
U+20AC ‹€› \N{ EURO SIGN }:
    \p{\pS} \p{\p{Sc}}
    \p{All} \p{Any} \p{Assigned} \p{InCurrencySymbols} \p{Common} \p{Zyyy} \p{Currency_Symbol} \p{Sc} \p{S} \p{Gr_Base} \p{Grapheme_Base} \p{Graph}
       \p{GrBase} \p{Print} \p{Symbol}
    \p{Age:2.1} \p{Bidi_Class:ET} \p{Bidi_Class=European_Terminator} \p{Bidi_Class:European_Terminator} \p{Bc=ET} \p{Block:Currency_Symbols}
       \p{Canonical_Combining_Class:0} \p{Canonical_Combining_Class=Not_Reordered} \p{Canonical_Combining_Class:Not_Reordered} \p{Ccc=NR}
       \p{Canonical_Combining_Class:NR} \p{Script=Common} \p{General_Category=Currency_Symbol} \p{Decomposition_Type:None} \p{Dt=None} \p{East_Asian_Width:A}
       \p{East_Asian_Width=Ambiguous} \p{East_Asian_Width:Ambiguous} \p{Ea=A} \p{General_Category:Currency_Symbol} \p{Gc=Sc} \p{General_Category:S}
       \p{General_Category=Symbol} \p{General_Category:Sc} \p{General_Category:Symbol} \p{Gc=S} \p{Grapheme_Cluster_Break:Other} \p{GCB=XX}
       \p{Grapheme_Cluster_Break:XX} \p{Grapheme_Cluster_Break=Other} \p{Hangul_Syllable_Type:NA} \p{Hangul_Syllable_Type=Not_Applicable}
       \p{Hangul_Syllable_Type:Not_Applicable} \p{Hst=NA} \p{Joining_Group:No_Joining_Group} \p{Jg=NoJoiningGroup} \p{Joining_Type:Non_Joining} \p{Jt=U}
       \p{Joining_Type:U} \p{Joining_Type=Non_Joining} \p{Line_Break:PR} \p{Line_Break=Prefix_Numeric} \p{Line_Break:Prefix_Numeric} \p{Lb=PR}
       \p{Numeric_Type:None} \p{Nt=None} \p{Numeric_Value:NaN} \p{Nv=NaN} \p{Present_In:2.1} \p{In=2.1} \p{Present_In:3.0} \p{In=3.0} \p{Present_In:3.1}
       \p{In=3.1} \p{Present_In:3.2} \p{In=3.2} \p{Present_In:4.0} \p{In=4.0} \p{Present_In:4.1} \p{In=4.1} \p{Present_In:5.0} \p{In=5.0} \p{Present_In:5.1}
       \p{In=5.1} \p{Present_In:5.2} \p{In=5.2} \p{Script:Common} \p{Sc=Zyyy} \p{Script:Zyyy} \p{Sentence_Break:Other} \p{SB=XX} \p{Sentence_Break:XX}
       \p{Sentence_Break=Other} \p{Word_Break:Other} \p{WB=XX} \p{Word_Break:XX} \p{Word_Break=Other}
U+00A3 ‹£› \N{ POUND SIGN }:
    \p{\pS} \p{\p{Sc}}
    \p{All} \p{Any} \p{Assigned} \p{InLatin1} \p{Common} \p{Zyyy} \p{Currency_Symbol} \p{Sc} \p{S} \p{Gr_Base} \p{Grapheme_Base} \p{Graph} \p{GrBase}
       \p{Pat_Syn} \p{Pattern_Syntax} \p{PatSyn} \p{Print} \p{Symbol}
    \p{Age:1.1} \p{Bidi_Class:ET} \p{Bidi_Class=European_Terminator} \p{Bidi_Class:European_Terminator} \p{Bc=ET} \p{Block:Latin_1}
       \p{Block=Latin_1_Supplement} \p{Block:Latin_1_Supplement} \p{Blk=Latin1} \p{Canonical_Combining_Class:0} \p{Canonical_Combining_Class=Not_Reordered}
       \p{Canonical_Combining_Class:Not_Reordered} \p{Ccc=NR} \p{Canonical_Combining_Class:NR} \p{Script=Common} \p{General_Category=Currency_Symbol}
       \p{Decomposition_Type:None} \p{Dt=None} \p{East_Asian_Width:Na} \p{East_Asian_Width=Narrow} \p{East_Asian_Width:Narrow} \p{Ea=Na}
       \p{General_Category:Currency_Symbol} \p{Gc=Sc} \p{General_Category:S} \p{General_Category=Symbol} \p{General_Category:Sc} \p{General_Category:Symbol}
       \p{Gc=S} \p{Grapheme_Cluster_Break:Other} \p{GCB=XX} \p{Grapheme_Cluster_Break:XX} \p{Grapheme_Cluster_Break=Other} \p{Hangul_Syllable_Type:NA}
       \p{Hangul_Syllable_Type=Not_Applicable} \p{Hangul_Syllable_Type:Not_Applicable} \p{Hst=NA} \p{Joining_Group:No_Joining_Group} \p{Jg=NoJoiningGroup}
       \p{Joining_Type:Non_Joining} \p{Jt=U} \p{Joining_Type:U} \p{Joining_Type=Non_Joining} \p{Line_Break:PR} \p{Line_Break=Prefix_Numeric}
       \p{Line_Break:Prefix_Numeric} \p{Lb=PR} \p{Numeric_Type:None} \p{Nt=None} \p{Numeric_Value:NaN} \p{Nv=NaN} \p{Present_In:1.1} \p{Age=1.1} \p{In=1.1}
       \p{Present_In:2.0} \p{In=2.0} \p{Present_In:2.1} \p{In=2.1} \p{Present_In:3.0} \p{In=3.0} \p{Present_In:3.1} \p{In=3.1} \p{Present_In:3.2} \p{In=3.2}
       \p{Present_In:4.0} \p{In=4.0} \p{Present_In:4.1} \p{In=4.1} \p{Present_In:5.0} \p{In=5.0} \p{Present_In:5.1} \p{In=5.1} \p{Present_In:5.2} \p{In=5.2}
       \p{Script:Common} \p{Sc=Zyyy} \p{Script:Zyyy} \p{Sentence_Break:Other} \p{SB=XX} \p{Sentence_Break:XX} \p{Sentence_Break=Other} \p{Word_Break:Other}
       \p{WB=XX} \p{Word_Break:XX} \p{Word_Break=Other}

查找所有 \p{Sc} 字符

这里是所有 46 个具有 Sc 又名 Currency_Symbol 属性的 Unicode 字符，当前为 Unicode 5.2：（抱歉格式问题；我相信这是由于方向性）

 % unichars -a '\p{Sc}' | wc -l
       46

 % unichars -a '\p{Sc}'
 $      36 000024 DOLLAR SIGN
 ¢     162 0000A2 CENT SIGN
 £     163 0000A3 POUND SIGN
 ¤     164 0000A4 CURRENCY SIGN
 ¥     165 0000A5 YEN SIGN
 ؋    1547 00060B AFGHANI SIGN
 ৲    2546 0009F2 BENGALI RUPEE MARK
 ৳    2547 0009F3 BENGALI RUPEE SIGN
 ৻    2555 0009FB BENGALI GANDA MARK
 ૱    2801 000AF1 GUJARATI RUPEE SIGN
 ௹    3065 000BF9 TAMIL RUPEE SIGN
 ฿    3647 000E3F THAI CURRENCY SYMBOL BAHT
 ៛    6107 0017DB KHMER CURRENCY SYMBOL RIEL
 ₠    8352 0020A0 EURO-CURRENCY SIGN
 ₡    8353 0020A1 COLON SIGN
 ₢    8354 0020A2 CRUZEIRO SIGN
 ₣    8355 0020A3 FRENCH FRANC SIGN
 ₤    8356 0020A4 LIRA SIGN
 ₥    8357 0020A5 MILL SIGN
 ₦    8358 0020A6 NAIRA SIGN
 ₧    8359 0020A7 PESETA SIGN
 ₨    8360 0020A8 RUPEE SIGN
 ₩    8361 0020A9 WON SIGN
 ₪    8362 0020AA NEW SHEQEL SIGN
 ₫    8363 0020AB DONG SIGN
 €    8364 0020AC EURO SIGN
 ₭    8365 0020AD KIP SIGN
 ₮    8366 0020AE TUGRIK SIGN
 ₯    8367 0020AF DRACHMA SIGN
 ₰    8368 0020B0 GERMAN PENNY SIGN
 ₱    8369 0020B1 PESO SIGN
 ₲    8370 0020B2 GUARANI SIGN
 ₳    8371 0020B3 AUSTRAL SIGN
 ₴    8372 0020B4 HRYVNIA SIGN
 ₵    8373 0020B5 CEDI SIGN
 ₶    8374 0020B6 LIVRE TOURNOIS SIGN
 ₷    8375 0020B7 SPESMILO SIGN
 ₸    8376 0020B8 TENGE SIGN
 ꠸   43064 00A838 NORTH INDIC RUPEE MARK
 ﷼   65020 00FDFC RIAL SIGN
 ﹩   65129 00FE69 SMALL DOLLAR SIGN
 ＄   65284 00FF04 FULLWIDTH DOLLAR SIGN
 ￠   65504 00FFE0 FULLWIDTH CENT SIGN
 ￡   65505 00FFE1 FULLWIDTH POUND SIGN
 ￥   65509 00FFE5 FULLWIDTH YEN SIGN
 ￦   65510 00FFE6 FULLWIDTH WON SIGN

而这里是 BMP 中尚未采用 Unicode 4.1 的那些；请注意如何结合属性和否定来提取 Unicode 字符集。

% unichars --bmp '\p{Sc}' '\P{In:4.1}'
 ৻  2555 09FB BENGALI GANDA MARK
 ₶  8374 20B6 LIVRE TOURNOIS SIGN
 ₷  8375 20B7 SPESMILO SIGN
 ₸  8376 20B8 TENGE SIGN
 ꠸ 43064 A838 NORTH INDIC RUPEE MARK

如果您的系统上没有 unichars 和 uniprops，请给我发邮件，我会发给您。它们是纯 Perl 中的小型实用程序，不需要额外的模块。

【讨论】：

不幸的是，这一切都超出了我的想象。例如，您介意解释一下我将如何使用它吗？
我不确定为什么这是唯一正确的方法，扫描货币符号到底有什么问题？
Kinopiko：你是对的，但这取决于他的问题领域有多有限。如果只是三个，那没关系，但如果他无法预测会出现什么，那就有问题了。我认为他有源编码问题。如果他使用charnames，就可以解决这个问题。我应该将其添加到我的答案中。
可以提供下载unichars和uniprops的链接吗？我在我的 Perl 或网络上找不到那些...
@drewk：如果你愿意，你可以从training.perl.com 获取unichars、uniprops 和uninames。如果您对他们有任何反馈，请给我发邮件。使用wget，或者，如果您使用浏览器，请确保将它们保存为 UTF-8 编码。如果您在它们上使用pod2man，请确保将--utf8 标志传递给它，因为文档当然也是UTF-8 格式的。没有 Makefile，但你不应该需要它。必要时修复#! 行。

【解决方案2】：

把它放在代码的顶部：

use utf8;

如documentation中所述，表示代码中包含utf8编码的字符串。

【讨论】：

不仅仅是字符串，还有标识符！例如，这是我昨天编写的程序中的一行：my $ʇndʇno = uʍopəpᴉƨdn($input);。酷，嗯？ ☺ 是的，我用这个程序来提升自己。如果你愿意，你可以得到它here。
不幸的是，这适用于英镑，但不适用于欧元，这很遗憾，因为我更喜欢这个非常简单的解决方案！
@Sam，另外，你的数据源的编码呢？如果你使用属性，你可以有一个纯 ASCII 的 Perl 程序；您只需要正确设置输入源的编码即可。
您还需要确保您要比较的输入字符串被 Perl 标记为 UTF-8。

【解决方案3】：

以下模块包含大多数知名货币的货币符号：

Locale::Object::Currency

【讨论】：

【解决方案4】：

正如@Kinopiko 在他对该问题的评论中提到的，您的代码风格需要一些改进。通过 PerlTidy 运行它以显示缩进显示：

if ( $curr eq "\$" ) {
    print CURRENCY "Currency: Dollars($curr)\n";
}
else {
    if ( $curr eq "£" ) {
        print CURRENCY "Currency: Pounds($curr)\n";
    }
    else {
        if ( $curr eq "€" ) {
            print CURRENCY "Currency: Euros($curr)\n";
        }

这向我们展示了一些缺少的右大括号（} 字符），这将是语法错误。代码至少需要两个大括号来关闭if 语句。

use warnings;
use strict;

if ( $curr eq "\$" ) {
    print CURRENCY "Currency: Dollars($curr)\n";
}
else {
    if ( $curr eq "£" ) {
        print CURRENCY "Currency: Pounds($curr)\n";
    }
    else {
        if ( $curr eq "€" ) {
            print CURRENCY "Currency: Euros($curr)\n";
        }
    }
}

通常情况下，我们会这样写：

use warnings;
use strict;

if ( $curr eq "\$" ) {
    print CURRENCY "Currency: Dollars($curr)\n";
}
elsif ( $curr eq "£" ) {
    print CURRENCY "Currency: Pounds($curr)\n";
}
elsif ( $curr eq "€" ) {
    print CURRENCY "Currency: Euros($curr)\n";
} else {
    print "Unexpected currency symbol \"$curr\" found."
    exit;
}

虽然我倾向于这样构建它：

use warnings;
use strict;

if    ( $curr eq "\$" ) { print CURRENCY "Currency: Dollars($curr)\n"; }
elsif ( $curr eq "£" )  { print CURRENCY "Currency: Pounds($curr)\n";  }
elsif ( $curr eq "€" )  { print CURRENCY "Currency: Euros($curr)\n";   } 
else {
    print "Unexpected currency symbol \"$curr\" found."
    exit;
}

请注意，在if/elsif 链的末尾，我添加了一个终止else 语句来捕获一个潜在的逻辑漏洞，如果之前的$curr 没有匹配符号，就会发生这种情况。这是一种捕获遗漏测试的简单方法，但如果您的代码逻辑处理这种情况，则并非绝对需要。

如果您还没有它们，请将这两行添加到代码的顶部：

use warnings;
use strict;

告诉 Perl 对错误和可能的错误持批评态度。

【讨论】：