Question

以下是我正在使用的perl Mod：Unicode::String

我如何称呼它：

print "Euro: ";
print unicode_encode("€")."\n";
print "Pound: ";
print unicode_encode("£")."\n";

希望它返回此格式：

&#x20AC; # Euro
&#x00A3; # Pound

功能如下：

sub unicode_encode {

    shift() if ref( $_[0] );
    my $toencode = shift();
    return undef unless defined($toencode);

    print "Passed: ".$toencode."\n";

    Unicode::String->stringify_as("utf8");
    my $unicode_str = Unicode::String->new();
    my $text_str    = "";
    my $pack_str    = "";

    # encode Perl UTF-8 string into latin1 Unicode::String
    #  - currently only Basic Latin and Latin 1 Supplement
    #    are supported here due to issues with Unicode::String .
    $unicode_str->latin1($toencode);

    print "Latin 1: ".$unicode_str."\n";

    # Convert to hex format ("U+XXXX U+XXXX ")
    $text_str = $unicode_str->hex;

    # Now, the interesting part.
    # We must search for the (now hex-encoded)
    #       Unicode escape sequence.
    my $pattern =
'U\+005[C|c] U\+0058 U\+00([0-9A-Fa-f])([0-9A-Fa-f]) U\+00([0-9A-Fa-f])([0-9A-Fa-f]) U\+00([0-9A-Fa-f])([0-9A-Fa-f]) U\+00([0-9A-Fa-f])([0-9A-Fa-f])';

    # Replace escapes with entities (beginning of string)
    $_ = $text_str;
    if (/^$pattern/) {
        $pack_str = pack "H8", "$1$2$3$4$5$6$7$8";
        $text_str =~ s/^$pattern/\&#x$pack_str/;
    }

    # Replace escapes with entities (middle of string)
    $_ = $text_str;
    while (/ $pattern/) {
        $pack_str = pack "H8", "$1$2$3$4$5$6$7$8";
        $text_str =~ s/ $pattern/\;\&#x$pack_str/;
        $_ = $text_str;
    }

    # Replace "U+"  with "&#x"      (beginning of string)
    $text_str =~ s/^U\+/&#x/;

    # Replace " U+" with ";&#x"     (middle of string)
    $text_str =~ s/ U\+/;&#x/g;

    # Append ";" to end of string to close last entity.
    # This last ";" at the end of the string isn't necessary in most parsers.
    # However, it is included anyways to ensure full compatibility.
    if ( $text_str ne "" ) {
        $text_str .= ';';
    }

    return $text_str;
}

我需要获得相同的输出，但也需要支持Latin-9字符，但Unicode :: String仅限于latin1。关于我如何解决这个问题的任何想法？

我还有其他几个问题，并且认为我对Unicode和编码有一定的了解，但也有时间问题。

感谢任何帮助我的人！

Answer 1

正如您所知，Unicode :: String不是模块的合适选择。 Perl附带一个名为“Encode”的模块，可以完成您所需的一切。

如果你在Perl中有一个像这样的字符串：

my $euro = "\x{20ac}";

您可以将它转换为Latin-9中的字节字符串，如下所示：

my $bytes = encode("iso8859-15", $euro);

$bytes变量现在将包含\ xA4。

或者你可以让Perl自动将输出转换为文件句柄，如下所示：

binmode(STDOUT, ":encoding(iso8859-15)");

您可以参考Encode模块的文档。此外，PerlIO描述了编码层。

我知道你决定不理会最后一条建议，但我会最后一次提供。 Latin-9是遗留编码。 Perl可以非常愉快地读取Latin-9数据并将其转换为UTF-8（使用binmode）。你不应该编写更多的软件来生成你应该从中迁移出来的Latin-9数据。

Perl - Unicode :: String sub需要添加/转换为Latin-9支持

1 个答案: