Question

我正在寻找有关如何使用Unicode字符创建文件名的一些指导原则。考虑：

use open qw( :std :utf8 );
use strict;
use utf8;
use warnings;

use Data::Dump;
use Encode qw(encode);

my $utf8_file_name1 = encode('UTF-8', 'æ1', Encode::FB_CROAK | Encode::LEAVE_SRC);
my $utf8_file_name2 = 'æ2';
dd $utf8_file_name1;
dd $utf8_file_name2;
qx{touch $utf8_file_name1};
qx{touch $utf8_file_name2};
print (qx{ls æ*});

输出结果为：

"\xC3\xA61"
"\xE62"
æ1
æ2

为什么我用UTF8编码文件名不重要？（无论哪种方式，文件名仍然是有效的UTF8。）

Answer 1

因为一个名为＆＃34; Unicode Bug＆＃34;的错误。发生了以下情况：

use Encode qw( encode_utf8 is_utf8 );

my $bytes = is_utf8($str) ? encode_utf8($str) : $str;

is_utf8检查标量使用的两种字符串存储格式中的哪一种。除了Unicode Bug之外，这是一个你永远不必担心的内部实现细节。

您的程序有效，因为encode总是返回is_utf8返回false的字符串，use utf8;总是返回一个字符串，如果字符串包含非is_utf8，则返回true -ASCII字符。

如果你没有encode，你有时会得到错误的结果。例如，如果您使用"\x{E6}2"而不是'æ2'，即使字符串具有相同的长度和相同的字符，您也会获得不同的文件名。

$ dir
total 0

$ perl -wE'
   use utf8;
   $fu="æ";
   $fd="\x{E6}";
   say sprintf "%vX", $_ for $fu, $fd;
   say $fu eq $fd ? "eq" : "ne";
   system("touch", $_) for "u".$fu, "d".$fd
'
E6
E6
eq

$ dir
total 0
-rw------- 1 ikegami ikegami 0 Jul 12 12:18 uæ
-rw------- 1 ikegami ikegami 0 Jul 12 12:18 d?

使用unicode字符创建文件名

1 个答案: