Perl 编码 - 英国字符答案

【问题标题】：Perl Encode - UK charactersPerl 编码 - 英国字符
【发布时间】：2010-06-15 15:26:03
【问题描述】：

这是来自This Question 的第 2 部分问题。

所以我正在尝试 :encode 功能，但一点运气都没有。

use Encode;
use utf8;

# Should print: iso-8859-15
print "Latin-9 Encoding: ".find_encoding("latin9")->name."\n"; 

my $encUK = encode("iso-8859-15", "UK €");
print "Encoded UK: ".$encUK."\n";

结果：

Encoded UK: UK €

不应该对结果进行编码吗？我在这里做错了什么？

编辑：

添加了建议：

use utf8;

现在我明白了：

Encoded UK: UK �

现在拔掉头发：/

【问题讨论】：

您不需要use utf8; 才能在脚本中嵌入编码字符串吗？
嗯补充说，见上面的编辑
print "Latin-9 Encoding: "... 行打印了什么？
您为什么还要尝试生成“Latin-9”输出？为什么不只产生 UTF-8 输出？
Latin-9 是业务需求

标签： perl encode latin9

【解决方案1】：

不要拉扯你的头发。你做对了一切，已经完成并且已经得到了预期的数据；输出让您感到困惑，因为您可能从未设置为 Latin-9 而是设置为不同编码（可能是 UTF-8）的终端查看它。

> perl -e'use utf8; use Encode; print encode "Latin-9", "Euro €"'
Euro �

> perl -e'use utf8; use Encode; print encode "Latin-9", "Euro €"' | hex
0000  45 75 72 6f 20 a4                                 Euro .

Codepoint A4 is indeed the Euro symbol in Latin-9.

【讨论】：

感谢使用链接我看到欧元是 \x{20AC} 但一个？仍然出现，但我尝试了其他几个符号，它们工作得很好。 \x{00A3}
您误读了表格。 U+20AC 是 Unicode 中欧元字符的代码点，但你说你想要编码 Latin-9。使用行和列标题。 A 和 4 给出 A4。该表仅用于完整性检查，如果您在任何地方都写了这样的\x 转义码，它就违背了Encode 模块的目的。 ⁓ 您看到替换字符是因为您使用了错误的终端设置。也将其字符编码切换为Latin-9。 ⁓ Perl 中字符编码的最佳解释是p3rl.org/UNI，请阅读所有内容。

【解决方案2】：

我认为您可能没有在脚本中正确编码字符。你的编辑认为它的编码是什么？

例如我只是尝试了这个，以完全规避它：

use Encode;

# Should print: iso-8859-15
print "Latin-9 Encoding: ".find_encoding("latin9")->name."\n";

my $encUK = encode("iso-8859-15", "\xA3");
print "Encoded UK: ", $encUK, "\n";

输出：

拉丁语 9 编码：iso-8859-15 编码英国：£

【讨论】：

你在哪里找到的？ \xA3 这不是编码吗？
是的，可以，但我想我的第二个问题是“我需要为英国映射所有字符吗”？我认为 encode() 可以传递字符 £ 并将其编码为 \xA3，这不正确吗？
@Phil：我在谷歌上搜索“hex code uk pound symbol”来找到一个十六进制代码图表，因为我找不到安装 vim 的正确编码来正确插入符号我的测试脚本。它应该已经在内部由 \xA3 表示，假设您的编辑器正确编码了字符，但情况可能并非如此。
我使用 VI，它只显示使用字符，但 encode() 不应该转换它吗？
@Phil：是的，可能。您可以使用十六进制转储器来确认您在另一端得到了什么。

【解决方案3】：

"使用 utf8;"是，从 Perl 5.8 开始，只用来告诉 Perl 你的源文件是用 UTF-8 编码的。

那么你源代码的编码真的和你告诉 Perl 的一致吗？

使用 'vim' 必须使用此选项以 UTF-8 写入文件：

:set fenc=utf8

要在加载文件时返回 UTF-8，必须在 .vimrc 中定义文件编码：

set fileencodings=ucs-bom,utf-8,latin9

【讨论】：