我有一个 CSV 文件,例如 win.csv,其文本以 windows-1252 编码。首先我使用 iconv 将其转为 utf8。
$iconv -o test.csv -f windows-1252 -t utf-8 win.csv
然后我使用以下 Perl 脚本 (utfcsv.pl) 读取转换后的 CSV 文件。
#!/usr/bin/perl
use utf8;
use Text::CSV;
use Encode::Detect::Detector;
my $csv = Text::CSV->new({ binary => 1, sep_char => ';',});
open my $fh, "<encoding(utf8)", "test.csv";
while (my $row = $csv->getline($fh)) {
my $line = join " ", @$row;
my $enc = Encode::Detect::Detector::detect($line);
print "($enc) $line\n";
}
$csv->eof || $csv->error_diag();
close $fh;
$csv->eol("\r\n");
exit;
然后输出如下。
(UFT-8) .........
() .....
即所有行的编码都被检测为UTF-8(或ASCII)。但实际输出似乎不是UTF-8。事实上,如果我将输出保存在文件中
$./utfcsv.pl > output.txt
然后检测到output.txt的编码为windows-1252。
问题:如何获取 UFT-8 中的输出文本?
注释:
- 环境:openSUSE 13.2 x86_64、perl 5.20.1
- 我不使用 Text::CSV::Encoded,因为安装失败。 (因为test.csv是用UTF-8转换的,所以使用Text::CSV::Encoded很奇怪。)
- 我使用以下脚本来检查编码。 (我还用它来找出初始 CSV 文件 win.csv 的编码。)
.
#!/usr/bin/perl
use Encode::Detect::Detector;
open my $in, "<","$ARGV[0]" || die "open failed";
while (my $line = <$in>) {
my $enc = Encode::Detect::Detector::detect($line);
chomp $enc;
if ($enc) {
print "$enc\n";
}
}
最佳答案
您已经设置了输入文件句柄的编码(顺便说一句,应该是 <:encoding(utf8)
-- 注意冒号),但您尚未指定输出 channel 的编码,因此 Perl 会将未编码的字符值发送到输出
适合单个字节的字符的 Unicode 值 - 0 到 0x7F 之间的基本拉丁语 (ASCII) 和 0x80 到 0xFF 之间的 Latin-1 补充 - 与 Windows 代码页 1252 非常相似。带分号的小写字母 u 在 Unicode 和 CP1252 中都是 0xFC,因此如果未编码输出,文本将看起来像 CP1252,而不是与 UTF-8 编码的相同代码点的两字节序列 0xC3 0xBC
如果您使用binmode
在 STDOUT 上设置编码,然后数据将正确输出,但最简单的是使用 open
像这样的编译指示
use open qw/ :std :encoding(utf-8) /;
它将设置 STDIN、STDOUT 和 STDERR 以及任何新打开的文件句柄的编码。这意味着您在打开 CSV 文件时不必指定它,您的代码将如下所示
请注意,我还添加了 use strict
和use warnings
,这在任何 Perl 程序中都是必不可少的。我也有
使用过autodie
为了消除对所有 IO 操作状态进行检查的需要,我利用了 Perl 在双引号内插入数组的方式,在元素之间放置一个空格,从而避免了 join
的需要。调用
#!/usr/bin/perl
use utf8;
use strict;
use warnings 'all';
use open qw/ :std :encoding(utf-8) /;
use autodie;
use Text::CSV;
my $csv = Text::CSV->new({ binary => 1, sep_char => ';' });
open my $fh, '<', 'test.csv';
while ( my $row = $csv->getline($fh) ) {
print "@$row\n";
}
close $fh;
关于perl - 如何从 Text::CSV utf8 输出?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/30549164/