在 perl 上打印包含 utf-8 字节序列的字符串

Question

我是 perl 新手，我正在尝试从 mork 文件（来自 Thunderbird）中打印出文件夹名称。

发件人：https://github.com/KevinGoodsell/mork-converter/blob/master/doc/mork-format.txt

第二种特殊字符序列是美元符号 后跟两个十六进制数字，它们给出的值 替换字节。这通常用于不可打印的字节 作为 ASCII 字符，尤其是在 UTF-16 文本中。例如，一个字符串 带有 Unicode 雪人字符 (U+2603)：

☃雪人☃

可以通过这种方式在别名中表示为 UTF-16 文本：

从我看到的所有 Thunderbird 文件中，它实际上是用 UTF-8（2 到 4 个字节）编码的。

以下字符需要在字符串中转义（使用\）才能按字面意思使用：$、) 和 \

例如：aaa\$AA$C3$B1b$E2$98$BA$C3$AD\\x08 应该打印 aaa$AAñb☺í\x08

$C3$B1 是ñ； $E2$98$BA 是 ☺； $C3$AD是í

我尝试使用正则表达式将未转义的 $ 替换为 \x

my $unescaped = qr/(?<!\\)(?:(\\\\)*)/;
$folder =~ s/$unescaped\$/\\x/g;
$folder =~ s/\\([\\$)])/$1/g;   # unescape "\ $ ("

在 perl 中它只打印文字字符串。

我的解决方法是将它输入 bash 的 printf 并且它成功了...除非字符串中有文字“\x”

$ folder=$(printf "$(mork.pl 8777646a.msf)")
$ echo "$folder"
  aaa$AAñb☺í

我咨询过的问题：

Convert UTF-8 character sequence to real UTF-8 bytes 但似乎它自己解释每个字节，而不是分组。

In Perl, how can I convert an array of bytes to a Unicode string? 我不知道如何将此解决方案应用于我的用例。

有没有办法在 perl 中实现这一点？

Answer 1

以下替换似乎适用于您的输入：

s/\\([\$\\])|\$(..)/$2 ? chr hex $2 : $1/ge;

捕获\$ 或\\，如果匹配，则将它们替换为$ 或\。否则，捕获$..并转换为对应的字节。

如果您想在 Perl 中处理结果，请不要忘记将其从 UTF-8 解码。

$chars = decode('UTF-8', $bytes);