我知道之前已经问过这个问题。我确实检查了以前的所有答案,但仍然无法解决我的问题。请原谅我这个明显重复的问题。
我正在编写一个用中文处理文本文件的perl程序。我想识别中文文本但排除所有其他行,如英语或其他语言和网址。我使用“use utf8
”和“$line =~ /(\p{Han}+)/
”,但它什么也没做。如果我使用“use utf8
”和“$line =~ /信息/
”,则不会执行任何操作。如果我不使用“use utf8
”,则“$line =~ /信息/
”可以有效但不能“$line =~ /(\p{Han}+)/
”。我检查文本文件编码:file -bi input.txt,它显示:“text/plain; charset=utf-8
”。以下是代码:
$|=1;
use strict;
use utf8;
my $in = $ARGV[0];
sub main {
open(IN, "$in") or die "can't open $in\n";
while (my $line=<IN>) {
chomp($line);
if ($line =~ /(\p{Han}+)/ ) {
print "chinese: $line\n";
}
if ($line =~ /信息/) {
print "$line\n";
}
} # end while
close(IN);
}
提前感谢您的任何帮助和建议!
答案 0 :(得分:7)
您需要将文件打开为UTF-8:
open IN, "<:encoding(UTF-8)", $in or die "can't open $in\n";
否则它被读作字节串,这不是你想要的。
答案 1 :(得分:-3)
如果您希望正则表达式引擎将字符串视为unicode字符串,则必须使用u修饰符:
/(\p{Han}+)/u