我正在从 XML 文件中提取字符串，尽管它应该是纯 UTF-8，但它不是。我的想法是
#!/usr/bin/perl
use warnings;
use strict;
use Encode qw(decode encode);
use Data::Dumper;
my $x = "m\x{e6}gtig";
my $y = "m\x{c3}\x{a6}gtig";
my $a = encode('UTF-8', $x);
my $b = encode('UTF-8', $y);
print Dumper $x;
print Dumper $y;
print Dumper $a;
print Dumper $b;
if ($x eq $y) { print "1\n"; }
if ($x eq $a) { print "2\n"; }
if ($a eq $y) { print "3\n"; }
if ($a eq $b) { print "4\n"; }
if ($x eq $b) { print "5\n"; }
if ($y eq $b) { print "6\n"; }
输出
$VAR1 = 'm�gtig';
$VAR1 = 'mægtig';
$VAR1 = 'mægtig';
$VAR1 = 'mægtig';
3
在只有 latin1 字符串会增加其长度的想法下，但编码一个已经是 UTF-8 的字符串也会使其更长。所以我无法以这种方式检测 latin1 与 UTF-8。
问题
我想最终得到 UTF-8 字符串，但是如何检测它是 latin1 还是 UTF-8，所以我只转换 latin1 字符串？
如果字符串是 UTF-8，能够得到是/否也同样有用。
最佳答案
由于 UTF-8 的某些属性，使用 iso-8859-1 编码的文本不太可能是有效的 UTF-8，除非它使用两种编码 [1] 进行相同的解码。
因此，解决方案是尝试使用 UTF-8 对其进行解码。如果失败，请改用 iso-8859-1 对其进行解码。由于使用 iso-8859-1 进行解码是无操作的，因此我将跳过该步骤。
my $decoded_text = $utf8_or_latin1;
utf8::decode($decoded_text);
use Encode qw( decode_utf8 );
my $decoded_text =
eval { decode_utf8($utf8_or_latin1, Encode::FB_CROAK|Encode::LEAVE_SRC) }
// $utf8_or_latin1;
现在，您说您想要 UTF-8。 UTF-8 是从编码解码文本中获得的。
my $utf8 = $decoded_text;
utf8::encode($utf8);
use Encode qw( encode_utf8 );
my $utf8 = encode_utf8($decoded_text);
笔记
(<80>..<9F> 是未分配或不可打印的控制字符，不确定是哪个。)
换句话说，该代码非常可靠。
关于perl - 如何检测latin1和UTF-8？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/22868271/