我是Perl的HTML ::实体例程decode_entities()的新手用户
转换从新闻媒体网站上删除的头条新闻。
这是一个很好的结果：
之前：Texas grand jury clears Planned Parenthood, indicts its accusers
之后：Texas grand jury clears Planned Parenthood, indicts its accusers
但这是一个令人费解的结果：
之前：Big changes could be coming to Utah’s criminal justice system
之后：Big changes could be coming to Utahâs criminal justice system
请注意，’代码不仅没有转换为单引号， 也没有被解码为空格，与第一个示例不同。
发生了什么？
答案 0 :(得分：2)
第一个和第二个示例之间的区别在于第一个示例不包含255以上的任何代码点，而第二个示例则不包含。因此，第一个字符串可以根据系统的原生8位字符集显示（很可能是ISO 8859-1 / Latin 1），但第二个字符串不能。根据{{3}}，其原因在于“使用大于255的代码点意味着整个字符串的Unicode”。
由于您现在在字符串中有Unicode字符，因此您需要正确编码文本以进行输出，否则您将看到“奇怪的字符”（就像您示例中的那些！）。由于你没有提供perlunicode，我不确定你的输出方法是什么，但让我们假设STDOUT让事情变得简单。有几种不同的方法可以将文本编码为八位字节流：
我更喜欢第二种选择，因为它不那么乏味。为此，我们只需在STDOUT上致电Encode：
use strict;
use warnings;
use HTML::Entities;
my $str = 'Big changes could be coming to Utah’s criminal justice system';
my $decoded = decode_entities($str);
binmode(STDOUT, ':encoding(UTF-8)');
printf("%s\n%vx\n", $decoded, $decoded);
输出：
$ perl foo.pl
Big changes could be coming to Utah’s criminal justice system
42.69.67.20.63.68.61.6e.67.65.73.20.63.6f.75.6c.64.20.62.65.20.63.6f.6d.69.6e.67.20.74.6f.20.55.74.61.68.2019.73.20.63.72.69.6d.69.6e.61.6c.20.6a.75.73.74.69.63.65.a0.73.79.73.74.65.6d
您可以看到字符2019和68之间存在代码点73（binmode()）（ h 和 s < / em>，分别），以及a0和65之间的73（right single quotation mark），它们将是 e 和小号
除上述non-breaking space引用外，如果您有兴趣了解详情，还应阅读perlunicode，perluniintro（简短！）和perlunitut Perl如何处理Unicode和字符编码。