Question

我需要在utf8编码的html中匹配一些中文字符，我写了一些测试代码如下：

#! /usr/bin/perl

use strict;
use LWP::UserAgent;
use Encode;

my $ua = new LWP::UserAgent;

my $request = HTTP::Request->new('GET');
my $url = 'http://www.boc.cn/sourcedb/whpj/';
$request->url($url);

my $res = $ua->request($request) ;

my $str_chinese =   encode("utf8" ,"英磅" ) ;  
# my $str_chinese = "英磅" ;


my $str_english = "English" ;
#my $html = decode("utf8" , $res->content) ;
my $html = $res->content ; 

if ( $html =~ /$str_chinese/ ) {
     print "chinese word matched" ;
}else {
     print "chinese word unmatched\n" ;
}

if ( $html =~ /$str_english/i ) {
    print "english word matched\n" ;
}else {
    print "english word unmatched\n" ;
}

输出显示脚本无法匹配html中嵌入的现有中文字符。你能给我一些如何解决我的问题的提示吗？

Answer 1

由于您在源代码中添加了UTF-8字符，因此您必须：

use utf8;

它告诉Perl您的脚本是用UTF-8编写的。

Answer 2

我运行你的代码并且中文字符不匹配。

然后我检查html，它不包含这些字符。所以这可能是不匹配案例的原因。然后我尝试了一些其他角色（联）并删除了编码功能。即my $str_chinese = "联";

使用此更改运行代码并匹配字符。

Answer 3

您应该使用课程HTTP::Message中的方法decoded_content。不需要手动解码。

#!/usr/bin/env perl
use utf8;
use strict;
use LWP::UserAgent;

my $html = LWP::UserAgent->new
    ->get('http://www.boc.cn/sourcedb/whpj/')
    ->decoded_content;

my $str_chinese = '首页';
my $str_english = 'English';

if ($html =~ /$str_chinese/) {
    print "chinese word matched\n";
} else {
    print "chinese word unmatched\n";
}

if ($html =~ /$str_english/i) {
    print "english word matched\n";
} else {
    print "english word unmatched\n";
}

输出：

chinese word matched
english word matched

如何使用perl正则表达式匹配汉字

3 个答案: