Question

我在文本文件（.txt）中有以下文字：

FestebendründendieIdentitätinerGemeinschaft und ihr Selbstverständnisnachinnen。 Eng damit verbunden sind Emotionen，die zunächstimZusammenhang miteinergefühltenZugehörigkeitzueiner Fest-Gemeinschaft zu verstehen sind。 Mit jedem Fest verbindet sich 与众不同的情况：All bestimmende festliche Eindruck - 死于狂热Gestimmtheit - ist der einer erhöhtenBedeutungshaftigkeitdes Lebens，durch die sich das Festliche aus dem Lauf des Alltagslebens hervorhebt unddessenWirkmächtigkeit zuvörderstanhandder AnalyzedesbürgerlichenGeburtstagessinnfällig demonstriert werden soll。

当我从.txt文件中读取此文本时，我收到的文字如下所示：

FestebendründendieIdentitätinerGemeinschaft und ihr Selbstverständnisnachinnen。 Eng damit verbunden sind Emotionen，die zunächstimZusammenhang miteinergefühltenZugehörigkeitzueiner Fest-Gemeinschaft zu verstehen sind。 Mit jedem Fest verbindet sich 与众不同的情况：All bestimmende festliche Eindruck die feierliche Gestimmtheit ist der einer erhöhtenBedeutungshaftigkeitdes Lebens，durch die sich das Festliche aus dem Lauf des Alltagslebens hervorhebt unddessenWirkmächtigkeit zuvörderstanhandder AnalyzedesbürgerlichenGeburtstagessinnfällig demonstriert werden soll。

你可以看到上面文本中没有出现的短划线，但是我想要（.txt）文件中的确切文本，我也使用了UTF-8但仍然没有使用短划线。

我正在寻找你的想法，以便在Perl中解决这个问题。

Answer 1

尝试像这样开始你的脚本：

#!/usr/bin/perl -CS

use open IO => ':utf8';

然后正常打开，读取和输出，该pragma将指示Perl对所有输入和输出使用UTF8编码，选项-CS将为STDIN启用Unicode支持，{{1 }和STDOUT。

您需要通过以下方式之一运行脚本：

为其添加执行权限，并使用STDERR运行它，或
使用./script.pl

参考：
perlrun
open
use utf8 gives me 'Wide character in print'

此脚本应该能够创建this file的精确副本（使用perl -CS /path/to/script.pl进行检查）。当它运行时，diff的值应为7，它会将此变量的值打印到${^UNICODE}。

STDERR

Answer 2

Perl处理你的变音符号而不是破折号的事实表明该文件使用windows-1252编码。 Perl可能假设该文件位于latin-1（ISO-8859-1），这是一种在80和9F之间不使用代码点的编码。 97中的N短划线windows-1252可以解释为什么Perl不会处理它。

尝试告诉Perl使用windows-1252文件和终端，the open pragma：

use open qw( :encoding(windows-1252) :std );

如何读取文本文件内容而不会丢失perl中的字符

2 个答案: