xml - Perl utf8 binmode 意外结果

Question

为什么 binmode 作为 raw 会产生元音变音？能否详细说明“Zurich”字符串如何在 Perl 内部存储？只是有点失落。

use strict;
use warnings;

my $filename = "result-test-encoding-raw.xml";
open(my $fh,'>', $filename) or die "die";
#binmode $fh, ':utf8'; #bad umlaut
binmode $fh, ':raw'; #good umlaut

print $fh '<?xml version="1.0" encoding="UTF-8"?>';
print $fh '<node>';

my $line_text =  'Zürich';
print $fh $line_text;
print $fh '   next   ';
$line_text = 'Z&#252;rich';
print $fh $line_text;

print $fh '</node>';

close($fh);

Answer 1

您缺少 use utf8;，它告诉 Perl 您的源代码是使用 UTF-8 编码的。

---

默认情况下，源文件应使用 US-ASCII 进行编码。

• 如果您使用 UTF-8 对源文件进行编码，但没有将其告知 Perl(通过使用 use utf8;)，Perl 会将其视为使用 US- 编码ASCII。对于字符串文字，Perl 将简单地将字节映射到字符串字符(而不是拒绝非 ASCII 字符)。这意味着 $line_text 包含 5A.C3.BC.72.69.63.68。

  当您将这些字符传递给带有编码层的文件句柄时，编码层会将这些字符视为 Unicode 代码点 (Zürich)，并生成适当的字节来表示这些字符。

• 如果您使用 UTF-8 对源文件进行编码，并且您将此告诉 Perl(通过使用 use utf8;)，Perl 会将其视为使用 UTF-8 编码(相应地对其进行解码)。这意味着 $line_text 包含 5A.FC.72.69.63.68。

  当您将这些字符传递给带有编码层的文件句柄时，编码层会将这些字符视为 Unicode 代码点 (Zürich)，并生成适当的字节来表示这些字符。

---

use strict;
use warnings;
use utf8;                             # Source code is encoded using UTF-8.
use open ':std', ':encoding(UTF-8)';  # Terminal expects UTF-8. Default encoding for files.

my $filename = "result-test-encoding-raw.xml";

open(my $fh, '>', $filename)
   or die("Can't create \"$filename\": $!\n");

...    
print $fh 'Zürich';
...

请注意，我使用 :encoding(UTF-8) 而不是 :utf8。后者是不正确的，尽管两者在本例中看起来是等效的。