这是一个简单的替换，它在 unicode 字符串中的大写字符周围添加括号。如您所见，结果相当丑陋：
~$ echo "Whatéver 5" | perl -ape "s/(\p{Upper})/(\1)/g"
(W)hat(�)�ver 5
我的理解是，正则表达式对“代码点”而不是“逻辑字符”进行操作，这会将我的“é”拆分为无意义的字符。有没有办法强制正则表达式同时处理逻辑 unicode 字符？
谢谢，
【问题讨论】：
echo -n "Whatéver 5" | perl -Mutf8 -CSDA -pe "s/(\p{Upper})/(\1)/g"。另见Regex for uppercase Unicode does not match “Ó”?
如其他答案所示，在 Perl 中打开 UTF-8 是一个零碎的过程。语法和原始字符串有use utf8。然后你必须确保你所有的文件句柄都是 UTF-8。 @ARGV 呢？ readdir? glob? ``的输出？
没有什么比让你的程序一半使用 ASCII 而另一半使用 UTF-8 更糟糕的了。 utf8::all 救援！
安装它，添加use utf8::all，它会打开UTF-8...所有这些。别人想出来的，你不用担心。
$ echo "Whatéver 5" | perl -ape "use utf8::all; s/(\p{Upper})/(\1)/g"
(W)hatéver 5
【讨论】：
你没有告诉 Perl 期待 UTF-8 输入，所以它把编码的每个字节当作一个单独的字符
在程序中，您可以像这样为三个标准 IO 通道设置默认编码
use open ':std' => ':encoding(UTF-8)'
在命令行上，选项-CS 做同样的事情，所以这应该适合你。我删除了不必要的自动拆分选项，并在替换字符串中用正确的$1 替换了\1
echo "Whatéver 5" | perl -CS -pe "s/(\p{Upper})/($1)/g"
【讨论】：
假设您的终端使用 UTF-8 编码，
$ echo -n "é" | perl -ne 'printf "%vX\n", $_'
给予
C3.A9
所以 Perl 程序的输入没有在内部转换为 Unicode（它仍然是一个 UTF-8 字节的字符串）
要将输入转换为 Perl 字符串，请使用选项 -CI 在标准输入流上添加一个 UTF-8 层：
$ echo -n "é" | perl -CI -ne 'printf "%vX\n", $_'
现在是输出
E9
但是，如果您还尝试将字符打印回标准输出
你不会从终端得到é，而是一个unicode替换字符�。这是因为字符0xE9是Unicode，但终端期望UTF-8，而0xE9不是有效的UTF-8：
$ echo -n "é" | perl -CI -nE 'printf "$_: %vX\n", $_, $_'
�: E9
要获得正确的输出，您还可以在标准输出流上添加 UFT-8 编码层（使用 -CO 标志）：
$ echo -n "é" | perl -CIO -nE 'printf "$_: %vX\n", $_, $_'
é: E9
"Upper" 是 "Uppercase" 的同义词，我们可以这样写 \p{Uppercase} 等价于 \p{Upper}
和
例如，\p{Uppercase} 匹配任何带有 Unicode“大写”属性
似乎如果您尝试在字节字符串上使用\p{Upper}，您将不会收到来自 Perl 的任何警告。 0xC0 到 0xDE 范围内的字节也将匹配大写属性。试试
perl -E 'for $i (0x80..0xFF) {$_=chr $i; printf "%x\n", $i if /\p{Upper}/}'
这解释了你得到的输出：
$ echo "Whatéver 5" | perl -ape "s/(\p{Upper})/(\1)/g"
(W)hat(�)�ver 5
这里，字母 é 表示为 2 个字节（在 UTF-8 中）0xC3 和 0xA9，0xC3 将匹配 Unicode Upper 属性。
因此，解决您的问题的方法是在标准输入和输出上添加 UTF-8 编码层（您可以使用 -CS 组合 -CI 和 -CO）：
echo "Whatéver 5" | perl -CS -ape "s/(\p{Upper})/(\1)/g"
有输出：
(W)hatéver 5
【讨论】：