Perl编码

昨天在测试一个网页接口，页面返回GBK类型的xml数据，对其进行xml的解析，而后打印遇到了编码问题，随后查了相关资料，顺利解决，总结一下。

Perl中的字符串有两种形式，一种是字节数组，另外一种是utf-8编码的字符串。

Perl如何肯定当前字符串是属于哪种呢？在Perl的内部，一个字符串是由两部分组成的，除了包含字符串主体数据外还有一个属性utf8 flag，这是字符串的一个状态属性，根据这个状态，Perl就会知道将字符串当成哪一种形式来处理。

utf8 flag为Off时，Perl会将字符串看成字节数组来处理。

utf8 flag为On时，Perl会将字符串看成utf8编码字符串来处理。

判断一个字符串的utf8 flag的状态能够经过Encode::is_utf8($str)方法。

一个字符串的不一样utf8 flag状态时，对某些操做都是会受影响的，例如：

1 use Encode;
2 
3 my $str = '你好';
4 Encode::_utf8_on($str);
5 my $len = length($str);
6 print $len."\n";
7 Encode::_utf8_off($str);
8 my $len = length($str);
9 print $len."\n";

备注：脚本文件编码为utf-8

执行结果：

2

6

Perl字符串的编码状态对正则的操做也是有影响的，以下：

 1 use Encode;
 2 
 3 my $str1= 'hello-----科大讯飞';
 4 my $str2= 'hello-----科大讯飞';
 5 
 6 Encode::_utf8_on($str1);
 7 Encode::_utf8_off($str2);
 8 
 9 $str1=~s/\W+//g;
10 $str2=~s/\W+//g;
11 
12 $str1 = encode("gbk",$str1);
13 print $str1."\n";
14 print $str2."\n";

第12行代码是为了在命令提示符下显示中文，由于该脚本文件自己为utf-8编码。
程序执行结果：

hello科大讯飞
hello

根据以上结果咱们能够看出，不一样的Perl字符串形式对正则是有影响的。

接下来简单介绍下Perl中编码的转换。

若你有一字符串“你好”，编码为gb2312，utf8 flag为off，咱们知道，该字符串会被看成字节数组，若这时，你强行改变utf8 flag为on的话，那么该字符串就会被看成utf-8字符串来处理，该字符串自己就是gb2312的，你非要让其看成utf-8，确定会出现错误【乱码异常等】，对于一个gb2312编码的字符串如何将其转成utf-8呢？

代码以下：

$str = Encode::decode("gb2312", $str);
$str = Encode::encode("utf8",$str);

在执行上句以前，$str的utf8 flag必定要是off的，不然会影响decode解码。

上句代码的意思是将$str字符串，根据gb2312编码，转换成Perl的内部格式，而后再从Perl的内部格式经过encode方法编码成utf8的编码。

执行完encode语句以后，utf8 flag的状态会被设置成on状态。

关于Perl编码方面还有不少的内容，可参考：http://blog.chinaunix.net/uid-23622436-id-2394070.html