Question

我有一个用UTF-16编码的文本文件。每行包含由制表符分隔的多个列。对于那些关心的人，该文件是从iTunes导出的播放列表TXT。第27列包含文件名。

我在Linux中使用Perl 5.8.8使用类似于以下代码的方式阅读它：

binmode STDIN, ":encoding(UTF-16)";
while(<>)
{
    chomp;
    my @cols = split /\t/, $_;
    my $filename = $cols[26];   # Column #27 contains the filename
    print "File exists!" if (-e "$filename");
}

（请注意：我已缩短此代码段。在我的实际代码中，我做了一些替换，将iTunes使用的绝对Windows文件名转换为在我的Linux机器上有效的文件名）

即使文件存在，（ - e）文件测试也不会返回true。我认为这与UTF-16中的字符串有关，但无法弄清问题是什么。实际文件名仅使用ASCII字符。如果我打印$ filename变量，文件名就会正确打印。

Perl中的文件名可以是UTF16吗？有关如何使此代码段生效的任何想法吗？

Answer 1

UTF-16文本由：encoding层处理。当它进入$_时，没有办法告诉它曾经是UTF-16。我认为这不是你的问题。

我的猜测是你的文件名中有一些空格（当你尝试将其打印出来时没有注意到）或者你不在你认为的目录中。

尝试

if (-e $filename) { print "File exists!" } 
else { print "File <$filename> not found" }

并仔细检查文件名。您也可以use Cwd;打印出当前目录。

Answer 2

我找到了解决方案：

第27列是最后一列，文件使用0d0a（\ r \ n）行结尾进行编码。 chomp只删除了0a（\ n）。不知道为什么我之前没有看到这个，但它与UTF16没有任何关系。

添加：

s/\r$//;

在chomp修复问题之后。

感谢您的帮助 - 抱歉让您沿着兔子路走下去。

Answer 3

如果您说，实际文件名仅使用ASCII字符，则不会

$filename =~ s/\0//g;

工作？无论如何，xxd应该在下次遇到类似这样的事情时提供帮助

[sinan@archardy ~]$ xxd /mnt/c/Documents\ and\ Settings/sinan/Desktop/test.txt
0000000: fffe 2f00 6800 6f00 6d00 6500 2f00 7300  ../.h.o.m.e./.s.
0000010: 6900 6e00 6100 6e00 2f00 7400 6500 7300  i.n.a.n./.t.e.s.
0000020: 7400 6d00 6500 2e00 7400 7800 7400 0d00  t.m.e...t.x.t...
0000030: 0a00                                     ..

我发现您在创建测试文件并重启到Linux时花了很长时间才解决了问题。哦，好吧。

如何检查Perl中是否存在UTF-16文件名？

3 个答案: