如何使用 Perl 更改文件的编码？

Question

我正在编写一个创建 xml 文件“settings.xml”的 perl 脚本。 （使用 XML::Writer）。我希望文件以 UCS-2 大端编码，但我不确定如何。

我尝试过类似：open(my $output, "> :encoding(UCS-2BE)", "settings.xml");，但所做的只是让文件输出一团糟（例如http://i.imgur.com/p9cruCf.png 或一系列汉字），同时保持文件的编码为 ANSI。

知道如何解决此问题，或者如何将文件转换为 UCS-2？

我是 Perl 的初学者，如果其中一些没有意义，请见谅。

编辑：对于遇到此问题的其他人，请参阅下面的答案，他们提供了有关如何解决此问题的详尽说明。

Answer 1

XML::Writer 不支持除 US-ASCII 和 UTF-8 之外的任何内容（如其 ENCODING 构造函数参数的文档中所述）。使用 XML::Writer 创建 UCS-2be XML 文档很棘手，但并非不可能。

use XML::Writer qw( );

# XML::Writer doesn't encode for you, so we need to use :encoding.
# The :raw avoids a problem with CRLF conversion on Windows.
open(my $fh, '>:raw:encoding(UCS-2be)', $qfn)
   or die("Can't create \"$qfn\": $!\n");

# This prints the BOM. It's optional, but it's useful when using an
# encoding that's not a superset of US-ASCII (such as UCS-2be).
print($fh "\x{FEFF}");

my $writer = XML::Writer->new(
   OUTPUT   => $fh,
   ENCODING => 'US-ASCII',   # Use entities for > U+007F
);
$writer->xmlDecl('UCS-2be');
$writer->startTag('root');
$writer->characters("\x{00041}");
$writer->characters("\x{000C9}");
$writer->characters("\x{10000}");
$writer->endTag();
$writer->end();

缺点：U+007F 以上的所有字符都将显示为 XML 实体。在上面的例子中，

• U+00041 将显示为“A”(00 41)。很好。
• U+000C9 将显示为“É”(00 26 00 23 00 78 00 43 00 39 00 3B)。次优，但还可以。
• U+10000 将显示为“𐀀”（00 26 00 23 00 78 00 31 00 30 00 30 00 30 00 30 00 3B）。很好，需要 XML 实体来存储 U+10000 和 UCB-2e。

---

当且仅当您可以保证不会向作者提供任何高于 U+FFFF 的字符时，您才能避免上述不利因素。

use XML::Writer qw( );

# XML::Writer doesn't encode for you, so we need to use :encoding.
# The :raw avoids a problem with CRLF conversion on Windows.
open(my $fh, '>:raw:encoding(UCS-2be)', $qfn)
   or die("Can't create \"$qfn\": $!\n");

# This prints the BOM. It's optional, but it's useful when using an
# encoding that's not a superset of US-ASCII (such as UCS-2be).
print($fh "\x{FEFF}");

my $writer = XML::Writer->new(
   OUTPUT   => $fh,
   ENCODING => 'UTF-8',   # Don't use entities.
);
$writer->xmlDecl('UCS-2be');
$writer->startTag('root');
$writer->characters("\x{00041}");
$writer->characters("\x{000C9}");
#$writer->characters("\x{10000}");  # This causes a fatal error
$writer->endTag();
$writer->end();

• U+00041 将显示为“A”(00 41)。很好。
• U+000C9 将显示为“É”(00 C9)。很好。
• U+10000 导致致命错误。

---

以下是您可以在没有任何缺点的情况下做到这一点的方法：

use Encode      qw( decode encode );
use XML::Writer qw( );

my $xml;
{
   # XML::Writer doesn't encode for you, so we need to use :encoding.
   open(my $fh, '>:encoding(UTF-8)', \$xml);

   # This prints the BOM. It's optional, but it's useful when using an
   # encoding that's not a superset of US-ASCII (such as UCS-2be).
   print($fh "\x{FEFF}");

   my $writer = XML::Writer->new(
      OUTPUT   => $fh,
      ENCODING => 'UTF-8',   # Don't use entities.
   );
   $writer->xmlDecl('UCS-2be');
   $writer->startTag('root');
   $writer->characters("\x{00041}");
   $writer->characters("\x{000C9}");
   $writer->characters("\x{10000}");
   $writer->endTag();
   $writer->end();
   close($fh);
}

# Fix encoding.
$xml = decode('UTF-8', $xml);
$xml =~ s/([^\x{0000}-\x{FFFF}])/ sprintf('&#x%X;', ord($1)) /eg;
$xml = encode('UCS-2be', $xml);

open(my $fh, '>:raw', $qfn)
   or die("Can't create \"$qfn\": $!\n");

print($fh $xml);

• U+00041 将显示为“A”(00 41)。很好。
• U+000C9 将显示为“É”(00 C9)。很好。
• U+10000 将显示为“𐀀”（00 26 00 23 00 78 00 31 00 30 00 30 00 30 00 30 00 3B）。很好，需要 XML 实体来存储 U+10000 和 UCB-2e。

Answer 2

您没有描述出了什么问题，但是您可能遇到了一些 perl 版本在 Windows 上的错误，即编码和 crlf 层之间的交互不良。如果是这样，这应该有效：

open(my $output, "> :raw:perlio:encoding(UCS-2BE):crlf:utf8", "settings.xml");

（有关说明，请参阅http://www.perlmonks.org/?node_id=608532。）

如果不是，请提供比“所做的只是使文件输出一团糟”以外的更多信息。演示该问题的简短脚本会很有帮助。