☰

为什么我的 Perl 不能很好地处理 Unicode？

tag-icon • tag-icon perl unicode
为什么我的 Perl 不能很好地处理 Unicode？

在我新安装的 Arch 上，perlUnicode 似乎不太好用。例如，给定以下输入文件：

ελα ρε
王小红

这个命令应该给我每行的最后两个字符：

$ perl -CIO -pe 's/.*(..)$/$1/' file
ε
º¢

然而，正如你在上面看到的，我得到了胡言乱语。正确的输出是：

ρε
小红

我知道我的终端 ( gnome-terminator) 支持 UTF-8，因为它们都按预期工作：

$ cat file
ελα ρε
王小红
$ perl -pe '' file
ελα ρε
王小红

不幸的是，没有-CIO,perl也无法正确处理文件：

$ perl -pe 's/.*(..)$/$1/' file
ε
��

它也不应该是区域设置问题：

$ locale
LANG=en_US.UTF-8
LC_CTYPE="en_US.UTF-8"
LC_NUMERIC="en_US.UTF-8"
LC_TIME="en_US.UTF-8"
LC_COLLATE="en_US.UTF-8"
LC_MONETARY="en_US.UTF-8"
LC_MESSAGES="en_US.UTF-8"
LC_PAPER="en_US.UTF-8"
LC_NAME="en_US.UTF-8"
LC_ADDRESS="en_US.UTF-8"
LC_TELEPHONE="en_US.UTF-8"
LC_MEASUREMENT="en_US.UTF-8"
LC_IDENTIFICATION="en_US.UTF-8"
LC_ALL=

我猜我需要安装一些 Perl 软件包，但我不知道是哪些。一些相关信息：

$ perl --version | grep subversion
This is perl 5, version 22, subversion 0 (v5.22.0) built for x86_64-linux-thread-multi

$ pacman -Qs unicode
local/fribidi 0.19.7-1
    A Free Implementation of the Unicode Bidirectional Algorithm
local/icu 55.1-1
    International Components for Unicode library
local/libunistring 0.9.6-1
    Library for manipulating Unicode strings and C strings
local/perl 5.22.0-1 (base)
    A highly capable, feature-rich programming language
local/perl-unicode-stringprep 1.105-1
    Preparation of Internationalized Strings (RFC 3454)
local/perl-unicode-utf8simple 1.06-5
    Conversions to/from UTF8 from/to characterse
local/ttf-arphic-uming 0.2.20080216.1-5
    CJK Unicode font Ming style

我怎样才能让我的 Perl 安装与 Unicode 兼容？

答案1

您描述的问题是我测试的系统上的标准行为。I并O影响标准输入和标准输出，所以这应该有效：

→ cat data | perl -CIO -pe 's/.*(..)$/$1/'
ρε
小红

然而这可能不会：

→ perl -CIO -pe 's/.*(..)$/$1/' data
ε
º¢

有还有两个选项perl -C产生您想要的行为。

i     8   UTF-8 is the default PerlIO layer for input streams
o    16   UTF-8 is the default PerlIO layer for output streams

这基本上是对 perl 说，使用文件打开形式：

open(F, "<:utf8", "data");

或者你可以使用perl -CSDwhich 的简写perl -CIOEio

S     7   I + O + E
D    24   i + o

然后你得到

→ perl -CSD -pe 's/.*(..)$/$1/' data
ρε
小红

如果PERLIO设置了环境变量并包含:utf8此行为，也将启用。

看起来默认行为perl在配置/编译时也无法修改（下面的 cuonglm 评论）。拱门当然不会设置任何东西。我怀疑 debian perl 软件包会修改默认行为。

答案2

这不是系统的问题，而是它perl本身的问题。

-CIOSTDIN仅在和上设置 UTF-8 编码STDOUT，这是三个perl预定义文件句柄中的两个（您也有-Efor ）。STDERR

当您使用：

perl -CIO -pe 's/.*(..)$/$1/' file

perl使用菱形运算<>符处理文件。从什么时候<>开始使用钻石算子open（有两个参数形式）要从命令行为每个文件创建新的文件句柄，这些文件句柄不会受到您在STDIN和上设置的 UTF-8 编码的影响STDOUT。

因此，您可以通过其标准输入将文件的内容传递给它perl，它将起作用：

perl -CIO -pe 's/.*(..)$/$1/' <file

对于其他选项，请参阅@马特的回答。

如果您想perl使用您的语言环境作为默认编码层，您可以使用：

perl -Mopen=:locale -pe 's/.*(..)$/$1/' file

当您用于PERLIO设置编码层时，您应该使用:encoding(uf8)而不是:utf8。

使用:utf8跳过编码步骤，在读取无效的 UTF-8 字节序列时可能会导致问题并导致安全问题。

相关内容