Perl和读取具有不同编码的文件

Question

我使用perl脚本读取文件，但我不确定文件的编码方式。基本上，我的文件是书名列表，但每本书都有其他相关信息（作者） ，出版日期等）。因此，每本书的标题都在书的一个独立的数据块中。所以我逐行遍历文件，直到找到正则表达式'/Book Title: (.*)/'并取出paren中的内容。然后，我创建一个单独的.txt文件，其文本文件的名称是我的书。但是，在我的unix服务器中，当我查看文件名时，实际上并不是'LordOfTheFlies.txt'，而是'LordOfTheFlies^M.txt'

这是什么'^ M'？这是一个奇怪的行编码结束我没有考虑到？我尝试了chomp但它似乎没有工作。使用perl的最佳文件编码是什么？

Answer 1

这是Windows系统在换行符之前插入的附加回车符（M == 13th letter，因此ASCII 13可视化为^ M）。

它与文件编码无关，它只是咬你的行结束政策。 Perl通常擅长正确处理行结尾字符，但如果它们出现在除行尾之外的其他地方，则必须自己完成。您可以使用s / \ r //而不是chomp（）来取出它们。

Answer 2

在处理文件之前，您需要知道文件的编码，该编码由文件的制作者确定 “^ M”是control-M，它是一个回车符，在Unix文件系统中不需要。
看起来该文件是在Unix中创建并传输到Windows的。当文本文件作为二进制文件传输时，它也可以使用ftp添加。

Answer 3

尝试砍，而不是'chomp'。 Chomp删除'新行字符'。 s / \ _ //也很好。 对于您的一般性问题，您可能希望使用适当的模块作为文件类型，使用Perl使您的生活更轻松，更好。