Question

我遇到了两个“相同”字符串转换为大写的非常奇怪的问题。该程序正在从网站读取行并将其与存储在文本文件中的行进行比较。如果找不到该行，则将其添加到文件末尾。除非该行包含特殊字符，否则此操作完美。由于某种原因，比较导致不匹配。我通过首先将它们转换为大写来比较两个字符串，这就是它出错的地方。下面是一些代码。我省略了填充两个变量的部分。我只是展示了奇怪的部分。

print "$pageLine <-> $dbLine\n";
print uc( $pageLine ) . " <-> " . uc( $dbLine ) . "\n";

这导致

Diëtisten <-> Diëtisten
DIëTISTEN <-> DIËTISTEN

请注意，第一个中的ë不会转换为大写。

foreach my $kar (split( //, $pageLine) ) {
  print ord($kar) . ":";
}
print "\n";
foreach my $kar (split( //, $dbLine) ) {
  print ord($kar) . ":";
}
print "\n";

这导致：

68:105:235:116:105:115:116:101:110:32:40:78:86:68:41:
68:105:235:116:105:115:116:101:110:32:40:78:86:68:41:

有人知道这里发生了什么吗？

提前致谢。

Answer 1

最小示范：

my $s = "\xEB";
utf8::downgrade( my $d = $s );
utf8::upgrade(   my $u = $s );
printf "%vX %vX %s\n", $d, $u, $d eq $u ? "same" : "different";
$_ = uc($_) for $d, $u;
printf "%vX %vX %s\n", $d, $u, $d eq $u ? "same" : "different";

输出：

EB EB same
EB CB different

默认情况下，为了向后兼容，如果输入标量的uc标志关闭，UTF8将只大写ASCII字符。这是通过添加以下内容修复的Unicode Bug ^[1]的实例：

use feature qw( unicode_strings );

上述内容可以通过添加以下内容间接完成：

use 5.012;

参考文献：unicode_strings，feature，use

当代码的行为取决于字符串的存储格式时，该代码据说会受到Unicode Bug的影响。

（看似）相同的字符串不同地转换为大写字母

1 个答案: