Question

我正在开发一个处理外语数据的项目。我的Perl脚本运行正常。

然后我想使用Tie :: File，因为这是一个简洁的概念（节省时间和编码）。

看来Tie：File在Unicode / UTF-8下失败了（除非我遗漏了什么）。

这是一个描述问题的程序:(数据是英语，希腊语和希伯来语的混合）：

use strict;
 use warnings;
 use 5.014; 
 use Win32::Console;
 use autodie; 
 use warnings qw< FATAL utf8 >;
 use Carp;
 use Carp::Always;
 use utf8;
 use feature        qw< unicode_strings>;
 use charnames      qw< :full>;
use Tie::File;

my ($i);
my ( $FileName);
my (@Tied);
binmode STDOUT, ':unix:utf8';
binmode STDERR, ':unix:utf8';
binmode $DB::OUT, ':unix:utf8' if $DB::OUT; # for the debugger
Win32::Console::OutputCP(65001);         # Set the console code page to UTF8

$FileName = 'E:\\My Documents\\Technical\\Perl\\Eclipse workspace\\Work\\'.
        'Tie File test res.txt';
tie @Tied, 'Tie::File', $FileName, recsep => "\x0D\x0A", discipline => ':encoding(utf8)'
            or confess 'tie @Tied failed';
$i =0;
while (<DATA>) {
    chomp;
    $Tied[$i] = $_;
    ++$i;
} # end while (<DATA>) 
$i =0;
foreach (@Tied) {
    say "$i $Tied[$i]";
    ++$i;
} # end foreach (@Tied)
untie $FileName;
__DATA__
τι κάνετε;
πάρτε το ή αφήστε το
שלום חברים
abc לא כןכן efg
מתי ולאן This is it
מעכשיו לעכשיו 
Σήμερα είναι Τρίτη
Θέλω να φάω
τι κάνετε;
שורה מס' 5

这会产生大量警告：这里有一些：

utf8 "\xCE" does not map to Unicode at F:/Win7programs/Dwimperl/perl/lib/Tie/File.pm line 917
        Tie::File::_read_record('Tie::File=HASH(0x24cb72c)') called at F:/Win7programs/Dwimper
l/perl/lib/Tie/File.pm line 175
        Tie::File::_fetch('Tie::File=HASH(0x24cb72c)', 0) called at F:/Win7programs/Dwimperl/p
erl/lib/Tie/File.pm line 210
        Tie::File::STORE('Tie::File=HASH(0x24cb72c)', 0, 'τι κάνετε;') called at tie file test
.pl line 31
utf8 "\xCF" does not map to Unicode at F:/Win7programs/Dwimperl/perl/lib/Tie/File.pm line 917
        Tie::File::_read_record('Tie::File=HASH(0x24cb72c)') called at F:/Win7programs/Dwimper
l/perl/lib/Tie/File.pm line 175
        Tie::File::_fetch('Tie::File=HASH(0x24cb72c)', 0) called at F:/Win7programs/Dwimperl/p
erl/lib/Tie/File.pm line 210
        Tie::File::STORE('Tie::File=HASH(0x24cb72c)', 0, 'τι κάνετε;') called at tie file test
.pl line 31
utf8 "\xD7" does not map to Unicode at F:/Win7programs/Dwimperl/perl/lib/Tie/File.pm line 917
        Tie::File::_read_record('Tie::File=HASH(0x24cb72c)') called at F:/Win7programs/Dwimper
l/perl/lib/Tie/File.pm line 175
        Tie::File::_fetch('Tie::File=HASH(0x24cb72c)', 0) called at F:/Win7programs/Dwimperl/p
erl/lib/Tie/File.pm line 210
        Tie::File::STORE('Tie::File=HASH(0x24cb72c)', 0, 'τι κάνετε;') called at tie file test
.pl line 31
utf8 "\xD7" does not map to Unicode at F:/Win7programs/Dwimperl/perl/lib/Tie/File.pm line 917
        Tie::File::_read_record('Tie::File=HASH(0x24cb72c)') called at F:/Win7programs/Dwimper
l/perl/lib/Tie/File.pm line 175
        Tie::File::_fetch('Tie::File=HASH(0x24cb72c)', 0) called at F:/Win7programs/Dwimperl/p
erl/lib/Tie/File.pm line 210
        Tie::File::STORE('Tie::File=HASH(0x24cb72c)', 0, 'τι κάνετε;') called at tie file test
.pl line 31

然后它在STDOUT上打印：

0 τι κάνετε;
1 πάρτε το ή αφήστε το
2 שלום חברים
3 abc לא כןכן efg
4 מתי ולאן This is it
5 מעכשיו לעכשיו
6 Σήμερα είναι Τρίτη
7 Θέλω να φάω
8 τι κάνετε;
9 שורה מס' 5
10
11
12
13
14 \xA4\xΘέλω\xA8\x

15
16
17
18

19

请注意，前10行是正常的，但10到19行来自哪里！？此外，绑定文件的输出包含损坏的数据：

 τι κάνϏN͏Ŏՠτήστε של חברءbc לؗܗࠗܗߠeמתולאן This is מעיו לעכ؎Ďώݎ֏ναι ΤρΘέώގѠφϏŎ٠κτε;שרה מס'



\xA4\xΘέλω\xA8\x

这里有些不对劲。我错过了什么，或者Tie：文件无法应对Unicode / UTF-8？我在Windows 7系统上运行Strawberry Perl 5.14。

很多TIA - 海伦

注意：也发布在http://perlmonks.org/?node_id=1002104上

Answer 1

我的建议很大程度上取决于你想要解决的实际问题。看看这个问题在隔离中，我没有那么多编码/解码'魔术'而只会使用原始字节（因为脚本不需要知道关于字符本身的任何信息）任务）。根据您描述的输入和输出，下面产生预期结果。

use v5.014;
use warnings;
use autodie;

use Carp::Always;
use Tie::File;

my $file_in = 'test_in.txt';
my $file_out = 'test_tie.txt';

unlink $file_out;

tie my @tied, 'Tie::File', $file_out, recsep => "\x0D\x0A" or die 'tie failed';

open my $fh, '<', $file_in;
while (my $line = <$fh>) {
    chomp $line;
    push @tied, $line;
}
close $fh;

my $i = 0;
say $i++ . ' ' . $_ foreach @tied;

untie @tied;

然而，您可能希望对中间的文本进行一些处理。在这种情况下，您需要解码字符。我认为有两种选择：

在移交绑定数组之前手动编码
弄清楚Tie :: File

2号可能并不重要 - 快速扫描Tie :: File源，看起来它假定它总是给定字节。您可能看似影响的唯一部分是您正在进行的https://metacpan.org/source/TODDR/Tie-File-0.98/lib/Tie/File.pm#L111 - 的binmode 。

Tie :: File做了很多seek次调用，perldoc对搜索（http://perldoc.perl.org/functions/seek.html）有这个说法：

注意 in bytes ：即使文件句柄已经设置为对字符进行操作（例如使用：encoding（utf8）open layer），tell（）也会返回字节偏移，而不是字符偏移（因为实现会使seek（）和tell（）相当慢）。

所以看起来Tie :: File使用字符长度来确定记录的字节偏移量。因此它最终可以在UTF-8字符序列的中间。这似乎可能是导致错误的原因。

一般情况下，当依赖外部模块读取/写入文件句柄时，我远离binmode - 在这种情况下，我会在推送之前对数据进行简单的子调用Encode::encode('UTF-8', ...)到@tied。

例外情况是模块的文档清楚地说明解码数据的行为，或者源代码是否足以让我验证行为。

为什么我的Perl程序使用Tie :: File和Unicode / UTF-8编码失败？

1 个答案: