如何对俄语字母进行不区分大小写的正则表达式匹配？

Question

我有目录路径列表，需要过滤掉其中一些路径。我的匹配模式采用非Unicode编码。

我尝试了以下内容：

require 5.004;
use POSIX qw(locale_h);
my $old_locale = setlocale(LC_ALL);
setlocale(LC_ALL, "ru_RU.cp1251");

@{$data -> {doc_folder_rights}} = 
       grep {
              # catalog path pattern in $_REQUEST{q}
              $_->{doc_folder} =~/$_REQUEST{q}/i; 
            } 
            @{$data -> {doc_folder_rights}};

setlocale(LC_ALL, $old_locale);

当模式包含russsian字母时，我需要的是不区分大小写的regexp模式匹配。

Answer 1

您的代码存在多个（潜在）问题：

1. 您的代码会过滤掉不与$_REQUEST{q}中的正则表达式匹配的所有doc_folders，但问题表明您想要反其道而行之。

2. 您可能遇到编码问题。设置语言环境（使用setlocale）会改变perl对upper-＆amp;的处理。小写转换，但不会更改任何编码。您需要确保正确解释$_REQUEST{q}。

为简单起见，您可以假设任何Perl-string在某些内部表示中包含您不需要详细了解的Unicode数据。只有当Perl执行I / O时，才会进行隐式或显式转换。从stdin，ARGV或环境读取时，Perl假定使用当前语言环境对字节进行编码并隐式转换。

如果您遇到编码问题，可通过以下几种方法进行修复：

1. 修复Perl运行的环境，以便从一开始就知道正确的语言环境。这将修复隐式转换。
2. 在从文件句柄加载$_REQUEST的不太可能的情况下，您可以使用binmode($fh, ":encoding(cp1251)");明确告诉Perl进行转换。在阅读$_REQUEST。
之前执行此操作
3. 有$string = Encode::decode(Encoding, $octets)函数告诉Perl忘记它对$octets编码的假设，而是将$octets的内容视为需要转换为Unicode的字节流使用Encoding。在触摸$octets的内容之前，您需要这样做，否则可能会发生奇怪的事情。
4. 由于$_REQUEST可能是由某些cgi-module加载的，并且可能在传输过程中进行了url编码，因此您可以告诉cgi-module如何正确地进行解码。