$_ = "123";

test1($_);

print "$_\n\n";     # $_ = 123

 

$_ = "123";

test2($_);

print "$_\n\n";     # $_ = 123

 

$_ = "123";

test3($_);

print "$_\n\n";     # $_ = abc , 在函數中被取代了

 

sub test1

{

    local $_ = shift;       # 使用 local

    s/123/abc/;             # 預設是處理 $_

    print "in  : $_\n";     # $_ = abc , 被取代了

    print "out : $::_\n";   # $::_ = abc , $::_ 暫時被取代了

}

 

sub test2

{

    my $_ = shift;          # 使用 my

    $_ =~ s/123/abc/;       # 取代的對像是內部的 $_

    print "in  : $_\n";     # $_ = abc , 被取代了

    print "out : $::_\n";   # $::_ = 123 , $::_ 完全沒有參與

}

 

sub test3

{

    my $_ = shift;          # 使用 my

    s/123/abc/;             # 【重點】預設取代的對像是 $::_ , 也就是 $main::_

    print "in  : $_\n";     # $_ = 123 , 區域變數完全沒有被取代

    print "out : $::_\n";   # $::_ = abc , 所以 $::_ 反而被取代了

}

 

my $_ = shift;

s/123/abc;

轉載本站文章請註明，轉載自：扶凱 [ http://www.php-oa.com ]
本文鏈接: http://www.php-oa.com/2008/12/13/perl-unicode.html
轉自:http://blog.chinaunix.net/u2/70049/showart_1210487.html

耐心看完本文, 相信你今後在unicode處理上不會再有什麼問題.

本文內容適用於perl 5.8及其以上版本.

以Perl 看來, 字符串只有兩種形式. 一種是octets, 即8位序列, 也就是我們通常說的字節數組二進製文件. 另一種utf8編碼的字符串, perl管它叫string. 也就是說: Perl只認識兩種編碼: Ascii(octets)和utf8(string).

utf8 flag

那麼perl如何確定一個字符串是octets 還是utf8編碼的字符串呢? perl可沒有什麼智能, 他完全是靠字符串上的utf8 flag. 在perl內部, 字符串結構由兩部分組成: 數據和utf8 flag (標記). 比如字符串"中國"在perl內部的存儲是這樣:

如果utf8 flag 是On 的話, perl就會把中國當成utf8字符串來處理, 如果utf8 flag 為Off, perl 就會把他當成octets 來處理. 所有字符串相關的函數包括正則表達式都會受utf8 flag 的影響. 讓我們來看個例子:

程序代碼:

use  Encode;
use  strict;

my  $str  = "中國" ;
Encode::_utf8_on( $str );
print  length ( $str ) . "\n" ;
Encode::_utf8_off( $str );
print  length ( $str ) . "\n" ;

運行結果是:

程序代碼:
2
6

這裡我們使用Encode 模塊的_utf8_on 函數和_utf8_off 函數來開關字符串"中國"的utf8 flag. 可以看到, utf8 flag 打開的時候, "中國"被當成utf8字符串處理, 所以其長度是2. utf8 flag 關閉的時候, "中國"被當成octets(字節數組)處理, 出來的長度是6(我的編輯器用的是utf8 編碼, 如果你的編輯器用的是gb2312 編碼, 那麼長度應該是4) .

再來看看正則表達式的例子:

程序代碼:

use  Encode;
use  strict;

my  $a  = "china----中國" ;
my  $b  = "china----中國" ;
Encode::_utf8_on( $a );
Encode::_utf8_off( $b );
$a  =~ s/\W+//g;
$b  =~ s/\W+//g;
print  $a , "\n" ;
print  $b , "\n" ;

運行結果:

程序代碼:
Wide character in print at unicode.pl line 10.
china中國
china

結果第一行是一條警告, 這個我們稍後再討論. 結果的第二行說明, utf8 flag 開啟的情況下, 正則表達式中的\w能夠匹配中文, 反之則不能.

如何確定一個字符串的utf8 flag 是否已開啟? 使用Encode::is_utf8($str). 這個函數並不是用來檢測一個字符串是不是utf8 編碼, 而是僅僅看看它的utf8 flag 是否開啟.

會去碰 GTK+，是昨天在試星際譯王 stardict 時，必須安裝 GTK+。過去知道 perl + GTK+ 可以做視窗介面的 perl 程式，但一直沒去研究這方面，因為大部份的工作都用命令列模式去處理了。

昨天即然裝了 GTK+，就想研究一下配合 perl 的效果，我相信同仁有時會比較希望使用視窗介面，結果試了半天，才知道它必須搭配 perl 5.8，這又觸動了另一個過去。

過去曾試著安裝 perl 5.8，結果發現許多過去寫的程式不能用，又沒太多時間一一研究，只好重新裝回 perl 5.6，雖然聽說 perl 5.8 有許多優點，對 unicode 的支援也很好，但就是沒空去玩，如今要試 GTK+ ，又遇到同樣的問題了。

我想由 perl 5.6 轉到 perl 5.8 不太簡單，畢竟過去在使用中的 perl 5.6 太多，也都很重要，要轉換到 perl 5.8 可能要做不少測試。不知能不能 perl 5.6 及 5.8 共同存在？若能共存，則在過渡期就比較安全了。

底下是一篇 autrijus 譯的 Perl 5.8.0 版釋出公告