为什么在单行中的 perl 替换和匹配（m）运算符中使用 utf8 模式不起作用？

Question

我在使用 Perl 的单行替换文件中的一些 utf8 文本时发现了这个问题。我知道如何在命令行上处理 utf8（使用 Perl 或 Python）？. 它们不适用于这种情况。操作系统是linux，locate设置为utf8

# make file to contain pattern
$echo ????? ?? ???????>file
$cat file
????? ?? ???????
# also grep finds it
$grep "????? ?? ???????" file
????? ?? ???????
# different perl hacks mentioned at reference question don't work:
$perl -C63 -n -e "print if m{????? ?? ???????}" file
# does not show anything
$perl -Mutf8 -n -e "print if m{????? ?? ???????}" file
# does not show anything
# although it handles parameters correctly
$perl -e 'print "$ARGV[0]\n"' "????? ?? ???????"
????? ?? ???????
# and inside -e options as well
$perl -e 'print "????? ?? ???????\n"'
????? ?? ???????
# when create perl script to find the pattern, it works:
echo "while (<>) {print if m{????? ?? ???????}}">find.pl
$cat find.pl
while (<>) {print if m{????? ?? ???????}}
$perl find.pl file
????? ?? ???????
# and even this strange way it works:
perl -ne '$m="????? ?? ???????";print if m{$m}' file
????? ?? ???????

所以这是我的问题：有没有更简单的解决方案来使用 utf8 模式形成 m 和 s 运算符和 perl one-liners，为什么简单的方法不起作用？

谢谢！

以防万一：

$uname -a
Linux ubuntu16-pereval 4.4.0-190-generic #220-Ubuntu SMP Fri Aug 28 23:02:15 UTC 2020 x86_64 x86_64 x86_64 GNU/Linux
$locale
LANG=en_US.UTF-8
LANGUAGE=en_US.UTF-8
LC_CTYPE="en_US.UTF-8"
LC_NUMERIC="en_US.UTF-8"
LC_TIME="en_US.UTF-8"
LC_COLLATE="en_US.UTF-8"
LC_MONETARY="en_US.UTF-8"
LC_MESSAGES="en_US.UTF-8"
LC_PAPER="en_US.UTF-8"
LC_NAME="en_US.UTF-8"
LC_ADDRESS="en_US.UTF-8"
LC_TELEPHONE="en_US.UTF-8"
LC_MEASUREMENT="en_US.UTF-8"
LC_IDENTIFICATION="en_US.UTF-8"
LC_ALL=en_US.UTF-8

Answer 1

perl -C63 -n -e "print if m{????? ?? ???????}" file

-C63 应用各种标志来告诉 Perl 输入和输出文件是 UTF8。

perl -C63 -n -e "print if m{????? ?? ???????}" file

-Mutf8 告诉 Perl 编译器你的源代码是 UTF8。

-C63影响 Perl 如何查看file. -Mutf8影响 Perl 如何查看您的-e选项中的代码。为了让 Perl 理解输入文件和源代码都应该被解释为 UTF8，你需要这两个选项。

$ perl -Mutf8 -C63 -n -e "print if m{????? ?? ???????}" file
????? ?? ???????

更新：哦，我可能应该补充一点，最简单的选项也有效（但出于所有错误的原因！）

$ perl -n -e "print if m{????? ?? ???????}" file
????? ?? ???????

在这种情况下，它起作用是因为 Perl 将输入和源代码解释为由单字节 Latin-1 字符组成。请不要这样做:-)