Question

我遇到类似于How can I properly align UTF-8 strings with Perl's printf?的问题：

我（Linux）系统的区域设置默认为LC_CTYPE=de_DE.UTF-8，我编写了一个Perl程序（使用perl-5.26.1），该程序“不是”使用Unicode字符，而是使用ISO Latin-1字符集（例如°）。因此，我没有在Perl脚本中激活任何Unicode或语言环境功能。

“所有内容”似乎都可以正常运行，其中一个例外是：我正在使用printf的{{1}}格式来对齐字符串，但这不能按预期工作。

在调试器中播放时，会出现以下现象：

%-10s

到目前为止看起来还不错...

  DB<1> $s='X°X'

  DB<2> printf("_%3s_\n", $s)
_X°X_

糟糕；那不是DB<3> printf("_%4s_\n", $s) _X°X_吗？

"_ X°X_"

一个人掉吗？

  DB<4> printf("_%5s_\n", $s)
_ X°X_

那不是DB<5> x length($s) 0 4吗？

DB<8> x ord($s[1]) 0 0 DB<9> x $s 0 'X°X' DB<10>是否应编码为一个字节？我以为UTF-8会将未修改的Latin-1范围映射到Unicode。

所以可能的问题是：

发生了什么事？
这是Perl的错误吗？
如果没有，如何确定格式和字符串长度？

Answer 1

UTF-8仅将ASCII范围（0..127）映射到1个字节。 Latin-1字符的范围是0..255； UTF-8 不能将它们全部映射到一个字节。如果是这样，将没有其他任何映射。

0到127之间的字符被编码为1个字节。
从128到2047的字符被编码为2个字节。
依此类推。

https://en.wikipedia.org/wiki/UTF-8

您需要在Perl脚本中使用use utf8;和binmode STDOUT, ':encoding(UTF-8)';（为了保持一致性，我对STDIN和STDERR进行了同样的操作：

#!/usr/bin/perl

use strict;
use warnings;
use utf8;

BEGIN {
    binmode STDIN,  ':encoding(UTF-8)';
    binmode STDOUT, ':encoding(UTF-8)';
    binmode STDERR, ':encoding(UTF-8)';
}

printf "|%-10s|\n", "x";
printf "|%-10s|\n", "°";

输出正确对齐：

|x         |
|°         |

如果我注释掉use utf8;或binmode STDOUT, ':encoding(UTF-8)';，则输出未对齐和/或度数字符显示不正确。

引用perldoc utf8（utf8模块的文档）：

“ use utf8”指示编译器允许Perl解析器中的UTF-8 当前词法范围内的程序文本。

（这需要将输出设备或终端仿真器配置为显示UTF-8。）

Answer 2

Perl代码必须使用ASCII（默认为{no utf8;）或UTF-8（use utf8;）编码。

°不在ASCII字符集中，而且您显然也没有use utf8;，因此您的程序可能无法如您所愿地包含°。

首先，使用UTF-8（如果尚未编码）对程序进行编码，然后通过添加

告诉Perl您的程序已使用UTF-8编码

use utf8;   # The source code is encoded using UTF-8.

第二，您显然也没有告诉Perl对您打印的内容进行编码。通过添加

来解决此问题

use open ':std', ':encoding(UTF-8)';   # The terminal provides/expects UTF-8.

后者为在编译指示范围内打开的文件设置默认编码。如果要避免这种情况，可以改用以下内容：

BEGIN {   # The terminal provides/expects UTF-8.
   binmode(STDIN,  ':encoding(UTF-8)');
   binmode(STDOUT, ':encoding(UTF-8)');
   binmode(STDERR, ':encoding(UTF-8)');
}

带度数（°）的printf对齐问题

2 个答案: