Question

我有一个使用Spreadsheet :: XLSX模块读取xlsx文件的脚本，使用字符串插值准备一条消息：

$message = "this is my message in my language $xlscontents";

然后使用Email :: Sender :: Simple通过电子邮件发送。 Pragma'使用utf8'已设置。

问题是，虽然正确显示了字符串文字（使用国家字符），但变量$ xlscontents不是：尽管变量中保存的字符串已经以UTF-8编码，但每个UTF字符都被视为如果它是一系列单独的8位字符，它们将被单独重新编码。最终的结果当然是垃圾。至少这是我看到它的方式，因为只有被读入$ xlscontents变量的片段被破坏了;我语言中的文字正确显示。我还用十六进制查看器查看了电子邮件消息，它看起来就是这样。

我的理论是，尽管Perl知道字符串文字是UTF编码的，但它似乎相信该变量是8位ASCII（或另一个8位代码），并且在插值期间尝试对其进行编码。我的问题： *我怎么能验证这个理论？有没有办法逐字节地筛选Perl变量内容？ *我如何告知Perl该变量已经是UTF编码的，不需要重新编码？

该脚本仅使用屏幕消息传递一直运行良好，但当我开始播放电子邮件时，我发现所有文本都被破坏了。所以我给了utf支持，从那时起文字显示正确，但变量内容不是，显然我仍然缺少一些东西。

Answer 1

如果有人谷歌搜索这个问题：因为Perl有自己的内部字符串表示，为了确保正确处理字符串，你需要在它们从工作表或命令行中读取后对它们进行解码：

$value = Encode::decode( "UTF8", ($sheet -> {Cells} [0] [0]) -> {Val} ); 
$value = ($sheet -> {Cells} [0] [0]) -> {Val} ); utf8::decode($value);

如果直接读取文件，也可以在开头指定转换。有许多与Unicode相关的警告，因此最好先阅读https://perldoc.perl.org/perlunicode.html。

Answer 2

您可以使用Devel :: Peek查看字符串是如何＆＃34;编码＆＃34;。

 use Devel::Peek;
 Dump( $xlscontents );

将字符串的内容和内部表示打印到STDERR。如果它包含正确的编码ut8，但没有设置UTF8标志，则可以使用

 Encode::_utf8_on($xlscontents)

解决这个问题。请先阅读http://perldoc.perl.org/Encode.html#Messing-with-Perl%27s-Internals。

诊断Perl处理UTF8

2 个答案: