Perl：将（高）十进制NCR转换为UTF-8

Question

我有这个字符串（十进制NCR）：日本の鍼灸とは

它代表日文日本の鍼灸とは。

但我需要（UTF-8）：%E6%97%A5%E6%9C%AC%E3%81%AE%E9%8D%BC%E7%81%B8%E3%81%A8%E3%81%AF

对于第一个字符：日⇒日⇒%E6%97%A5

这个网站做到了，但我如何在Perl中获得这个？ （如果可能在单个正则表达式中使用s/\&\#([0-9]+);/uc('%'.unpack("H2", pack("c", $1)))/eg;。）

http://www.endmemo.com/unicode/unicodeconverter.php

此外，我需要将其从UTF-8再次转换回十进制NCR

我现在已经半天打过这个半天了，非常感谢任何帮助！

Answer 1

你叫什么＆＃34; UTF-8＆＃34;实际上是URL编码。

---

HTML实体（日）⇒文本（日）⇒URI组件（%E6%97%A5）：

use HTML::Entities qw( decode_entities );
use URI::Escape    qw( uri_escape_utf8 );

my $text = decode_entities($html);
my $uri_component = uri_escape_utf8($text);

---

URI组件（%E6%97%A5）⇒文本（日）⇒HTML实体（日）：

use Encode         qw( decode_utf8 );
use HTML::Entities qw( encode_entities );
use URI::Escape    qw( uri_unescape );

my $text = decode_utf8(uri_unescape($uri_component));
my $html = encode_entities($text);

Answer 2

#!/usr/bin/perl
use strict;
use warnings;

use Test::More tests => 2;
use Encode qw{ encode decode };

my $in = '日本の鍼灸とは'; # 日本の鍼灸とは
my $out = '%E6%97%A5%E6%9C%AC%E3%81%AE%E9%8D%BC%E7%81%B8%E3%81%A8%E3%81%AF';

(my $utf = $in) =~ s/&#(.*?);/chr $1/ge;

my $r = join q(), map { sprintf '%%%2X', ord } split //, encode('utf8', $utf);
is($r, $out);

(my $s = $r) =~ s/%(..)/chr hex $1/ge;
$s = decode('utf8', $s);
$s = join q(), map '&#' . ord . ';', split //, $s;
is($s, $in);