Question

我想处理一个文本文件，其中包含一长串具有以下形式的句子：

<s>  Hello world  </s>
<s>  Ça world  </s>
<s>  He llo world  </s>
<s>  H.E.L.L.O world  </s>

我想使用Perl（5.22.1）小写每个句子的第一个单词的第一个字母（“Hello” - ＆gt;“hello”）。我也不想修改缩写（例如A.B.C.）。我的问题是文件可能包含特殊字符（例如Ç），我认为它们的编码给Perl带来了困难。

该文件采用ISO-8859-1编码。这是我使用的代码：

use strict;
use warnings;
use POSIX qw(locale_h);
use locale;
setlocale(LC_CTYPE, "fr_CA.ISO-8859-1");

while (<STDIN>) {

  s/(^<s> +)(\w[^\.\ ][^\ ]*)/
    $1.lc($2)
  /ge;

  print;
}

如果我在cygwin上处理带有该代码的文件（windows 64 -bit），我得到的结果是：

<s>  hello world  </s>
<s>  Ça world  </s>
<s>  he llo world  </s>
<s>  H.E.L.L.O world  </s>

“Ç”字符仍然是大写字母。

如果我在cygwin上处理它（windows 32 -bit），我得到的结果是：

<s>  hello world  </s>
<s>  ça world  </s>
<s>  he llo world  </s>
<s>  H.E.L.L.O world  </s>

“Ç”字符现在是小写的。

我希望代码可以在32位和64位窗口上运行 - 并理解它为什么不能正常工作。

Answer 1

您还需要指定输入和输出的编码。

use open IO => ':encoding(iso-8859-1)', ':std';

您也可以使用

use open IO => ':locale', ':std';

但在这种情况下，您需要在设置open图层之前在BEGIN块中设置区域设置：

BEGIN { setlocale(LC_CTYPE, "fr_CA.ISO-8859-1"); }

在64位系统上使用perl的小写特殊字符

1 个答案: