.\" -*- mode: troff; coding: utf-8 -*-
.\" Automatically generated by Pod::Man 5.01 (Pod::Simple 3.43)
.\"
.\" Standard preamble:
.\" ========================================================================
.de Sp \" Vertical space (when we can't use .PP)
.if t .sp .5v
.if n .sp
..
.de Vb \" Begin verbatim text
.ft CW
.nf
.ne \\$1
..
.de Ve \" End verbatim text
.ft R
.fi
..
.\" \*(C` and \*(C' are quotes in nroff, nothing in troff, for use with C<>.
.ie n \{\
. ds C` ""
. ds C' ""
'br\}
.el\{\
. ds C`
. ds C'
'br\}
.\"
.\" Escape single quotes in literal strings from groff's Unicode transform.
.ie \n(.g .ds Aq \(aq
.el .ds Aq '
.\"
.\" If the F register is >0, we'll generate index entries on stderr for
.\" titles (.TH), headers (.SH), subsections (.SS), items (.Ip), and index
.\" entries marked with X<> in POD. Of course, you'll have to process the
.\" output yourself in some meaningful fashion.
.\"
.\" Avoid warning from groff about undefined register 'F'.
.de IX
..
.nr rF 0
.if \n(.g .if rF .nr rF 1
.if (\n(rF:(\n(.g==0)) \{\
. if \nF \{\
. de IX
. tm Index:\\$1\t\\n%\t"\\$2"
..
. if !\nF==2 \{\
. nr % 0
. nr F 2
. \}
. \}
.\}
.rr rF
.\" ========================================================================
.\"
.IX Title "PERLCN 1"
.TH PERLCN 1 2023-11-30 "perl v5.38.2" "Perl Programmers Reference Guide"
.\" For nroff, turn off justification. Always turn off hyphenation; it makes
.\" way too many mistakes in technical documents.
.if n .ad l
.nh
.SH NAME
perlcn \- 简体中文 Perl 指南
.SH DESCRIPTION
.IX Header "DESCRIPTION"
欢迎来到 Perl 的天地!
.PP
从 5.8.0 版开始, Perl 具备了完善的 Unicode (统一码) 支持,
也连带支持了许多拉丁语系以外的编码方式; CJK (中日韩) 便是其中的一部分.
Unicode 是国际性的标准, 试图涵盖世界上所有的字符: 西方世界, 东方世界,
以及两者间的一切 (希腊文, 叙利亚文, 阿拉伯文, 希伯来文, 印度文,
印地安文, 等等). 它也容纳了多种操作系统与平台 (如 PC 及麦金塔).
.PP
Perl 本身以 Unicode 进行操作. 这表示 Perl 内部的字符串数据可用 Unicode
表示; Perl 的函数与运算符 (例如正则表达式匹配) 也能对 Unicode 进行操作.
在输入及输出时, 为了处理以 Unicode 之前的编码方式储存的数据, Perl
提供了 Encode 这个模块, 可以让你轻易地读写使用旧有的编码格式的数据.
.PP
Encode 扩展模块支持下列简体中文的编码方式 ('gb2312' 表示 'euc\-cn'):
.PP
.Vb 6
\& euc\-cn Unix 扩展字符集, 也就是俗称的国标码
\& gb2312\-raw 未经处理的 (低比特) GB2312 字符表
\& gb12345 未经处理的中国用繁体中文编码
\& iso\-ir\-165 GB2312 + GB6345 + GB8565 + 新增字符
\& cp936 字码页 936, 也可以用 \*(AqGBK\*(Aq (扩充国标码) 指明
\& hz 7 比特逸出式 GB2312 编码
.Ve
.PP
举例来说, 将 EUC-CN 编码的文件转成 Unicode, 只需输入以下命令:
.PP
.Vb 1
\& perl \-Mencoding=euc\-cn,STDOUT,utf8 \-pe1 < file.euc\-cn > file.utf8
.Ve
.PP
Perl 也内附了 "piconv", 一个完全以 Perl 写成的字符转换工具程序, 用法如下:
.PP
.Vb 2
\& piconv \-f euc\-cn \-t utf8 < file.euc\-cn > file.utf8
\& piconv \-f utf8 \-t euc\-cn < file.utf8 > file.euc\-cn
.Ve
.PP
另外, 利用 encoding 模块, 你可以轻易写出以字符为单位的代码, 如下所示:
.PP
.Vb 7
\& #!/usr/bin/env perl
\& # 启动 euc\-cn 字串解析; 标准输出入及标准错误都设为 euc\-cn 编码
\& use encoding \*(Aqeuc\-cn\*(Aq, STDIN => \*(Aqeuc\-cn\*(Aq, STDOUT => \*(Aqeuc\-cn\*(Aq;
\& print length("骆驼"); # 2 (双引号表示字符)
\& print length(\*(Aq骆驼\*(Aq); # 4 (单引号表示字节)
\& print index("谆谆教诲", "蛔唤"); # \-1 (不包含此子字符串)
\& print index(\*(Aq谆谆教诲\*(Aq, \*(Aq蛔唤\*(Aq); # 1 (从第二个字节开始)
.Ve
.PP
在最后一列例子里, "谆" 的第二个字节与 "谆" 的第一个字节结合成 EUC-CN
码的 "蛔"; "谆" 的第二个字节则与 "教" 的第一个字节结合成 "唤".
这解决了以前 EUC-CN 码匹配处理上常见的问题.
.SS 额外的中文编码
.IX Subsection "额外的中文编码"
如果需要更多的中文编码, 可以从 CPAN () 下载
Encode::HanExtra 模块. 它目前提供下列编码方式:
.PP
.Vb 1
\& gb18030 扩充过的国标码, 包含繁体中文
.Ve
.PP
另外, Encode::HanConvert 模块则提供了简繁转换用的两种编码:
.PP
.Vb 2
\& big5\-simp Big5 繁体中文与 Unicode 简体中文互转
\& gbk\-trad GBK 简体中文与 Unicode 繁体中文互转
.Ve
.PP
若想在 GBK 与 Big5 之间互转, 请参考该模块内附的 b2g.pl 与 g2b.pl 两个程序,
或在程序内使用下列写法:
.PP
.Vb 3
\& use Encode::HanConvert;
\& $euc_cn = big5_to_gb($big5); # 从 Big5 转为 GBK
\& $big5 = gb_to_big5($euc_cn); # 从 GBK 转为 Big5
.Ve
.SS 进一步的信息
.IX Subsection "进一步的信息"
请参考 Perl 内附的大量说明文件 (不幸全是用英文写的), 来学习更多关于
Perl 的知识, 以及 Unicode 的使用方式. 不过, 外部的资源相当丰富:
.SS "提供 Perl 资源的网址"
.IX Subsection "提供 Perl 资源的网址"
.IP 4
.IX Item ""
.PP
Perl 的首页
.IP 4
.IX Item ""
由 Perl 基金会运营的文章辑录
.IP 4
.IX Item ""
Perl 综合典藏网 (Comprehensive Perl Archive Network)
.IP 4
.IX Item ""
Perl 邮递论坛一览
.SS "学习 Perl 的网址"
.IX Subsection "学习 Perl 的网址"
.IP 4
.IX Item ""
简体中文版的欧莱礼 Perl 书藉
.SS "Perl 使用者集会"
.IX Subsection "Perl 使用者集会"
.IP 4
.IX Item ""
中国 Perl 推广组一览
.SS "Unicode 相关网址"
.IX Subsection "Unicode 相关网址"
.IP 4
.IX Item ""
Unicode 学术学会 (Unicode 标准的制定者)
.IP 4
.IX Item ""
Unix/Linux 上的 UTF\-8 及 Unicode 常见问题解答
.SH "SEE ALSO"
.IX Header "SEE ALSO"
Encode, Encode::CN, encoding, perluniintro, perlunicode
.SH AUTHORS
.IX Header "AUTHORS"
Jarkko Hietaniemi
.PP
Audrey Tang (唐凤)
.PP
Sizhe Zhao