[精讚] [會員登入]
78

[PERL] 中文字字串拆解

中文字字串拆解是門學問

此文完整連結 http://n.sfs.tw/13167

複製連結 [PERL] 中文字字串拆解@新精讚
(文章歡迎轉載,務必尊重版權註明連結來源)
2019-03-17 15:01:39 最後編修
2019-03-14 02:40:05 By 張○○
 

中文字串如果要逐字拆解,直接用split會得到一堆不知名的東西..

  $ln="精讚中文字字串";
  @wds= split //, $ln;

上網找了一堆方法,直到[1]給我靈感,他的說法是這串你看起來是中文字串的中文字串,其實在PERL裡面是一個個character組成的,直接把他拆了就會變成你看不懂的一些亂碼,你得先把他用 utf8的編碼給解開。我一直認為是要組合?所以邏輯上我還是沒有搞懂。

$ln=decode('utf8',$ln);

@wds= split //, $ln;

總之這樣是正確的運作了,但是…我還是真的想知道PERL到底是怎麼處理中文字的,在[5]的文章解釋非常的清楚。

UTF8 TAG

原來是靠一個utf8的tag來作判斷:

use  Encode;
my  $str  = "中國" ;
Encode::_utf8_on( $str );
print  length ( $str ) . "\n" ; #2
Encode::_utf8_off( $str );
print  length ( $str ) . "\n" ; #6

拆解檔中文字串

use Encode;

open(FILE, 'file.txt') or die "$!";
$n=0;
while($line= <FILE>){
  Encode::_utf8_on( $line );
  @wd =split //, $line;
  print "@wd";
}
close(FILE);

這樣就能正確的拆解了。

Wide character in print 錯誤

要解決一直出現的[2] Wide character in print at,你可以這樣子做:

use utf8;
binmode(STDOUT, ':encoding(utf8)');

 

結論

指定開啟 utf8 tag 來分割和剖析字串

設定輸出為utf8來避免警告。

最好不要使用 unicode

 

參考資料

[1] https://blog.csdn.net/guo40/article/details/4037052

[2] https://blog.wu-boy.com/2009/07/perl-with-utf-8-mode/

[3] https://dotblogs.com.tw/jimmyyu/2009/08/18/10113

[4] https://www.csie.ntu.edu.tw/~p92005/Joel/Unicode.html

[5] http://heavenchou.buddhason.org/node/225

[6] https://www.key-shortcut.com/en/writing-systems/%E6%96%87%E5%AD%97-chinese-cjk/cjk-characters-1/

你可能感興趣的文章

[PERL] 12- 副程式 Perl 的副程式就是所謂的函數

[PERL] 22-日期和時間 Perl 取得日期時間的方法整理,使用 localtime等多種函數

[PERL] split 寫法 Perl 將字串分開可以用 split 這個函數,此函數可以用Regex作分隔判斷

[PERL] 05-運算子 #1 PERL的運算子介紹,總共有21種

[PERL] 取得字串長度 使用length來取得字串長度

[PERL] 18-套件及模組 套件和模組入門

Perl 的列舉寫法(map list) 使用列舉的寫法來設定陣列,非常的強大

[PERL] 09-迴圈 perl的迴圈

[PERL] 自寫 trim, ltrim, rtrim 函數 常用的 perl 函數中沒有trim, ltrim, rtrim這三個函數,那就自己來寫,非常容易

[PERL] 常態分配亂數產生函數 一般而言我們使用程式內建的 rand 函數取得的亂數是平均分配的,但如果需要常態分配的亂數產生器該怎麼做?

我有話要說


限制:留言最高字數1000字,超過部分會被截掉。請注意:留言不可帶有網址,會被濾掉。 限制:未登入訪客,每則留言間隔需超過10分鐘,每日最多5則留言。

訪客留言

[無留言]

隨機好文

談借錢 人借錢時手心向上頭向下,人還錢時手心向下頭向上

UTF-8 BOM (Byte Order Mark) 的問題 在 Michael Kaplan 那看到 Every character has a story #4: U+feff

SELinux 常用指令和檔案 在Redhat系列中,Centos5以後加入了selinux,他並沒有這麼可怕,不必每次看到Selinux ,就想把他

[bc] linux 的計算機 bc 設定小數位數、計算π、次方根 linux 的計算機 bc 設定小數位數、計算π、次方根

TFTP Server 安裝及使用 讓設備的網路設定檔或是韌體經由TFTP拷備出來,操作的方法