Question

在很久以前，我发现了一些Perl在线，当它是一个单行时，它整齐地格式化了有效的XML（标签和换行符）。代码如下。

它使用XML :: Twig来做到这一点。它创建了XML :: Twig对象，没有 keep_encoding（$twig = XML::Twig->new()），但是如果我给它一个带有非ASCII字符的UTF-8编码的XML文件，它会生成一个文件，根据Ubuntu上的isutf8命令，不有效的UTF-8。在xxd中打开文件，我可以看到字符从2字节变为1。

如果我使用$twig= XML::Twig->new(keep_encoding=>1);，则相同的输入会生成有效的UTF-8，并保留两个字节。

根据perldoc for keep_encoding

这是一个（略有？）邪恶的选择：如果XML文档不是UTF-8 编码，你想保持这种方式，然后设置keep_encoding 将使用theExpat original_string方法作为字符，从而保持原始编码，以及原始实体字符串。

为什么在没有该选项的情况下生成非UTF-8文档？为什么设置它会导致保留UTF-8-ness？

顺便说一下，非ASCII字符是一个不间断的空格（c2 a0）。

use strict;
use warnings;
use XML::Twig;
my  $sXML  = join "", (<>);
my  $params = [qw(none nsgmls nice indented record record_c)];
my  $sPrettyFormat  = $params->[3] || 'none';
my $twig = XML::Twig->new();
$twig->set_indent(" "x4);
$twig->parse( $sXML );
$twig->set_pretty_print( $sPrettyFormat );
$sXML      = $twig->sprint;
print $xXML;

Answer 1

没有你的数据很难测试，但我猜这是因为Perl将文件打印为ISO-8859-1文件，因为它没有关于其编码的任何信息（它得到它“原始” “来自XML :: Parser）。在打印之前尝试binmode STDOUT, ':utf8';。

此外，首先读取文件然后将字符串传递给解析器可能不是一个好主意。使用parsefile（在文件名上）更安全。您可能会避免编码问题。

XML :: Twig keep_encoding如何工作？

1 个答案: