NAME¶
perlcn - 简体中文 Perl 指南
DESCRIPTION¶
欢迎来到 Perl 的天地!
从 5.8.0 版开始, Perl
具备了完善的 Unicode
(统一码) 支援,
也连带支援了许多拉丁语系以外的编码方式;
CJK (中日韩)
便是其中的一部份. 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,
亚拉伯文, 希伯来文,
印度文, 印地安文, 等等).
它也容纳了多种作业系统与平台
(如 PC 及麦金塔).
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
的函式与算符
(例如正规表示式比对)
也能对 Unicode 进行操作.
在输入及输出时,
为了处理以 Unicode
之前的编码方式存放的数据,
Perl 提供了 Encode 这个模块,
可以让你轻易地读取及写入旧有的编码数据.
Encode
延伸模块支援下列简体中文的编码方式
('gb2312' 表示 'euc-cn'):
euc-cn Unix 延伸字符集, 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 'GBK' (扩充国标码) 指明
hz 7 比特逸出式 GB2312 编码
举例来说, 将 EUC-CN
编码的档案转成 Unicode,
祗需键入下列指令:
perl -Mencoding=euc-cn,STDOUT,utf8 -pe1 < file.euc-cn > file.utf8
Perl 也内附了 "piconv",
一支完全以 Perl
写成的字符转换工具程序,
用法如下:
piconv -f euc-cn -t utf8 < file.euc-cn > file.utf8
piconv -f utf8 -t euc-cn < file.utf8 > file.euc-cn
另外, 利用 encoding 模块,
你可以轻易写出以字符为单位的程序码,
如下所示:
#!/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 'euc-cn', STDIN => 'euc-cn', STDOUT => 'euc-cn';
print length("骆驼"); # 2 (双引号表示字符)
print length('骆驼'); # 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('谆谆教诲', '蛔唤'); # 1 (从第二个字节开始)
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
码比对处理上常见的问题.
额外的中文编码
如果需要更多的中文编码,
可以从 CPAN (<
http://www.cpan.org/>) 下载
Encode::HanExtra 模块.
它目前提供下列编码方式:
gb18030 扩充过的国标码, 包含繁体中文
另外, Encode::HanConvert
模块则提供了简繁转换用的两种编码:
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
若想在 GBK 与 Big5 之间互转,
请参考该模块内附的
b2g.pl 与 g2b.pl 两支程序,
或在程序内使用下列写法:
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
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:
提供 Perl 资源的网址
- <http://www.perl.com/>
- Perl 的首页
(由欧莱礼公司维护)
- <http://www.cpan.org/>
- Perl 综合典藏网
(Comprehensive Perl Archive Network)
- <http://lists.perl.org/>
- Perl 邮递论坛一览
学习 Perl 的网址
- <http://www.oreilly.com.cn/html/perl.html>
- 简体中文版的欧莱礼
Perl 书藉
Perl 使用者集会
- <http://www.pm.org/groups/asia.shtml#China>
- 中国 Perl
推广组一览
Unicode 相关网址
- <http://www.unicode.org/>
- Unicode 学术学会 (Unicode
标准的制定者)
- <http://www.cl.cam.ac.uk/%7Emgk25/unicode.html>
- Unix/Linux 上的 UTF-8 及 Unicode
答客问
SEE ALSO¶
Encode, Encode::CN, encoding, perluniintro, perlunicode
AUTHORS¶
Jarkko Hietaniemi <jhi@iki.fi>
Autrijus Tang (唐宗汉) <autrijus@autrijus.org>