до вызова decode Перл рассматривает эту строку, которая пришла извне,
как набор октетов, то есть символ в ней занимает байт и <=255, и
работает с ней соответствующим образом;
после decode(...) - как Unicode-строку, состоящую из символов, символ
может занимать больше 1 байта и быть > 255.
т.е. \320\277\ - это \x{43f} = 'п', pack "C*", oct(320), oct(277)
22.09.2014 01:28, Nikolay Mishin пишет:
Привет, MoscowPM,
тут родился вопрос под win7 (юникс могут быть теже странности, не проверял)
#!/usr/bin/env perl
use utf8;
use Modern::Perl;
use Encode::Locale;
use Encode qw( decode encode from_to);
use Text::Iconv;
use Encode::Detect::Detector;
use Data::Dumper qw( Dumper );
if (-t)
{
binmode(STDIN, ":encoding(console_in)");
binmode(STDOUT, ":encoding(console_out)");
binmode(STDERR, ":encoding(console_out)");
}
my $lang = shift or die "Usage: $0 What_is_your_language?\n";
my_dump('lang_01',$lang);
my $converter = Text::Iconv->new( "cp1251", "utf-8");
$lang = $converter->convert($lang);
my_dump('lang_02',$lang);
$lang = Encode::decode("utf8",$lang);
my_dump('lang_03',$lang);
my_dump('lang_04_перл',qq{перл});
$lang =~ /(perl|перл) (?{print "use Perl or die!!\nИспользуй Перл или
умри!!";}) /ix;#русский не мачится, почему?
sub my_dump
{
my ($name,$var)=@_;
local $Data::Dumper::Useqq = 1;
local $Data::Dumper::Indent = 0;
local $Data::Dumper::Terse = 1;
print(Encode::Detect::Detector::detect(qq{$lang})." ".qq{\$$name }."
dump=".Dumper($var)."\n");
}
этот же код на гитхабе
https://github.com/mishin/presentation/blob/master/100_regex_4_moscow_pm.pl
моя задача была, чтобы скрипт
perl 100_regex_4_moscow_pm.pl перл
читая из консоли слово "перл" находил его в регексе внутри скрипта
вопросы:
1) почему, если в консоле
perl -MEncode::Detect::Detector -E "say
Encode::Detect::Detector::detect(qq{перл})"
у меня кодировка ISO-8859-7
my $converter = Text::Iconv->new( "cp1251", "utf-8");
Text::Iconv ее проглатывает как cp1251 (причем ISO там не проходит) ?
2)что происходит со строкой здесь
UTF-8 $lang_02 dump="\320\277\320\265\321\200\320\273"
$lang = Encode::decode("utf8",$lang);
UTF-8 $lang_03 dump="\x{43f}\x{435}\x{440}\x{43b}"
--что такое делает decode?
я так понимаю - он починивает utf8, но что конкретно
спасибо, хорошей недели!!
--
Moscow.pm mailing list
[email protected] | http://moscow.pm.org
