Manpages

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 [AT] iki.fi>

Autrijus Tang (唐 宗 汉 ) <autrijus [AT] autrijus.org>