Question

我有一个解析Windows打印机驱动程序的inf文件的程序。

只要文件写入ASCII，系统就可以正常工作。

因此，例如，正则表达式m/^\[([^\]\]*)$/可以很好地匹配节标题。

对于Unicode行，该行匹配m/^\0\[([^\]\0\]*)$/，当然不是第一行。因此，文件未正确解析。

如何使perl正则表达式忽略\0字符？

Answer 1

1）确保您拥有Perl 5.14或更新版本。

2）阅读perlre联机帮助页，尤其是标题为＆＃34;字符集修饰符＆＃34;

的部分

3）在正则表达式上使用/ a，/ u，/ l或/ d标志，具体取决于最适合您需要的行为。

Answer 2

你不能忽视＆＃34;空字符。这样，数据中的任何非ASCII字符都无法正确解释

听起来你正试图解析UTF-16BE编码的数据而不解码它。使用核心Encode模块将其解码为Perl内部表示，如此

use strict;
use warnings 'all';
use feature 'say';

use Encode;

my $bytes = "\0[\0x\0x\0x\0]";

my $string = decode('UTF-16BE', $bytes, Encode::FB_CROAK);

say $string;

输出

[xxx]

如果我对编码有误，请使用

显示输入字符串的转储

use Data::Dumper;
$Data::Dumper::Useqq = 1;
$Data::Dumper::Terse = 1;

print Dumper $bytes;

Answer 3

始终解码输入并对输出进行编码。具体来说，改变

open(my $fh, '<', $qfn)

到

open(my $fh, '<:encoding(UTF-16le)', $qfn)

这会将文本从字节解码为代码点，从而使您的匹配能够正常工作。

如何使perl正则表达式匹配ASCII和Unicode

3 个答案:

输出