如何使用Perl在html中转换字符“％xx”

Question

我打算从网页中提取内容，其中包含许多以“％xx”形式表示的unicode字符。当我使用Perl模块LWP获取网页时，使用Perl Regex自然处理这些unicode字符，如下所示。

my $html = "%20%26%40 ";
$html =~ s#%([0-9a-f]+)#\x{\1}#ig;
print "$html\n";

但是上面的代码不起作用，它只输出“00”。现在卡住...... 任何提示都将不胜感激。

谢谢，Ye

Answer 1

Perl已经在URI::Escape模块中内置了功能。你不需要乱用正则表达式

use URI::Escape;
my $encode = uri_unescape($string);

有关详情，请参阅this page

Answer 2

您需要可执行文件替换

$html =~ s/%([0-9a-f]+)/chr hex $1/ieg;

但最好使用URI::Escape模块，这是Gisle Aas优秀LWP套件的一部分

Answer 3

首先，这与HTML无关。 URI使用了这种转义机制。

你必须这样做真的很奇怪。通常需要撤消该编码的唯一方法是接收参数的CGI脚本，在这种情况下，您只需要

use CGI;
my $cgi = CGI->new();
my $foo = $cgi->param('foo');

但是，假设您需要进行自己的URI解析。你可以使用：

use URI;
my %form = URI->new($url)->query_form();
my $foo = $form{'foo'};

CGI，URI

Answer 4

有趣而丑陋的代码：

my $html = "%20%26%40 ";
$html =~ s#%([0-9a-f]{2})#"chr(0x$1)"#igee;
print "$html\n";

编辑:(我不得不说）这段代码可能是可爱，但不在制作中使用它！ （有很多情况下它不起作用）