为什么使用"use utf8"在UTF-8编码的Perl脚本中无法识别变音符号？

Question

以下脚本以UTF-8编码:

use utf8;

$fuer = pack('H*', '66c3bc72');

$fuer =~ s/ü/!!!/;

print $fuer;

其中ü的s///内容存储在脚本中c3 bc,如下面的xxd十六进制转储所示.

0000000: 75 73 65 20 75 74 66 38 3b 0a 0a 24 66 75 65 72  use utf8;..$fuer
0000010: 20 3d 20 70 61 63 6b 28 27 48 2a 27 2c 20 27 36   = pack('H*', '6
0000020: 36 63 33 62 63 37 32 27 29 3b 0a 0a 24 66 75 65  6c3bc72');..$fue
0000030: 72 20 3d 7e 20 73 2f c3 bc 2f 21 21 21 2f 3b 0a  r =~ s/../!!!/;.
0000040: 0a 70 72 69 6e 74 20 24 66 75 65 72 3b 0a        .print $fuer;.

c3 bc是UTF-8表示ü.

因为脚本是UTF-8编码,我use荷兰国际集团utf8,我期待的脚本来替换für在变量$fuer-但事实并非如此.

但是,如果我删除了它use utf8.这违背了我的想法use utf8:表明脚本是以UTF-8编码的.

Answer 1

问题在于字符边界.您正在将编码的字节字符串与已解码的字符串进行比较

$fuer = pack('H*', '66c3bc72')创建四个字节的字符串"\x66\xc3\xbc\x72",而小U用二分法ü是"\xfc"这么两个不匹配

如果您使用decode_utf8从Encode模块进一步处理您的变量$fuer,然后将解码UTF-8,形成三个字符"\x66\xfc\x72",然后替代将工作

use utf8将等价物应用于decode_utf8整个源文件,因此如果没有它,则ü显示编码为"\xc3\xbc",与匹配变量匹配