perlcn - 簡體中文 Perl 指南
歡迎來到 Perl 的天地!
從 5.8.0 版開始, Perl 具備了完善的 Unicode (統一碼) 支援,
也連帶支援了許多拉丁語系以外的編碼方式; CJK (中日韓) 便是其中的一部份.
Unicode 是國際性的標準, 試圖涵蓋世界上所有的字符: 西方世界, 東方世界,
以及兩者間的一切 (希臘文, 敘利亞文, 亞拉伯文, 希伯來文, 印度文,
印地安文, 等等). 它也容納了多種作業系統與平臺 (如 PC 及麥金塔).
Perl 本身以 Unicode 進行操作. 這表示 Perl 內部的字符串數據可用 Unicode
表示; Perl 的函式與算符 (例如正規表示式比對) 也能對 Unicode 進行操作.
在輸入及輸出時, 為了處理以 Unicode 之前的編碼方式存放的數據, Perl
提供了 Encode 這個模塊, 可以讓你輕易地讀取及寫入舊有的編碼數據.
Encode 延伸模塊支援下列簡體中文的編碼方式 ('gb2312' 表示 'euc-cn'):
euc-cn Unix 延伸字符集, 也就是俗稱的國標碼
gb2312-raw 未經處理的 (低比特) GB2312 字符表
gb12345 未經處理的中國用繁體中文編碼
iso-ir-165 GB2312 + GB6345 + GB8565 + 新增字符
cp936 字碼頁 936, 也可以用 'GBK' (擴充國標碼) 指明
hz 7 比特逸出式 GB2312 編碼
舉例來說, 將 EUC-CN 編碼的檔案轉成 Unicode, 祗需鍵入下列指令:
perl -Mencoding=euc-cn,STDOUT,utf8 -pe1 < file.euc-cn > file.utf8
Perl 也內附了 ``piconv'', 一支完全以 Perl 寫成的字符轉換工具程序, 用法如下:
piconv -f euc-cn -t utf8 < file.euc-cn > file.utf8
piconv -f utf8 -t euc-cn < file.utf8 > file.euc-cn
另外, 利用 encoding 模塊, 你可以輕易寫出以字符為單位的程序碼, 如下所示:
#!/usr/bin/env perl
# 啟動 euc-cn 字串解析; 標準輸出入及標準錯誤都設為 euc-cn 編碼
use encoding 'euc-cn', STDIN => 'euc-cn', STDOUT => 'euc-cn';
print length("駱駝"); # 2 (雙引號表示字符)
print length('駱駝'); # 4 (單引號表示字節)
print index("諄諄教誨", "蛔喚"); # -1 (不包含此子字符串)
print index('諄諄教誨', '蛔喚'); # 1 (從第二個字節開始)
在最后一列例子里, ``諄'' 的第二個字節與 ``諄'' 的第一個字節結合成 EUC-CN
碼的 ``蛔''; ``諄'' 的第二個字節則與 ``教'' 的第一個字節結合成 ``喚''.
這解決了以前 EUC-CN 碼比對處理上常見的問題.
如果需要更多的中文編碼, 可以從 CPAN (http://www.cpan.org/) 下載
Encode::HanExtra 模塊. 它目前提供下列編碼方式:
gb18030 擴充過的國標碼, 包含繁體中文
另外, Encode::HanConvert 模塊則提供了簡繁轉換用的兩種編碼:
big5-simp Big5 繁體中文與 Unicode 簡體中文互轉
gbk-trad GBK 簡體中文與 Unicode 繁體中文互轉
若想在 GBK 與 Big5 之間互轉, 請參考該模塊內附的 b2g.pl 與 g2b.pl 兩支程序,
或在程序內使用下列寫法:
use Encode::HanConvert;
$euc_cn = big5_to_gb($big5); # 從 Big5 轉為 GBK
$big5 = gb_to_big5($euc_cn); # 從 GBK 轉為 Big5
請參考 Perl 內附的大量說明文件 (不幸全是用英文寫的), 來學習更多關于
Perl 的知識, 以及 Unicode 的使用方式. 不過, 外部的資源相當豐富:
-
http://www.perl.com/
-
Perl 的首頁 (由歐萊禮公司維護)
-
http://www.cpan.org/
-
Perl 綜合典藏網 (Comprehensive Perl Archive Network)
-
http://lists.perl.org/
-
Perl 郵遞論壇一覽
-
http://www.oreilly.com.cn/html/perl.html
-
簡體中文版的歐萊禮 Perl 書藉
-
http://www.pm.org/groups/asia.shtml#China
-
中國 Perl 推廣組一覽
-
http://www.unicode.org/
-
Unicode 學術學會 (Unicode 標準的制定者)
-
http://www.cl.cam.ac.uk/%7Emgk25/unicode.html
-
Unix/Linux 上的 UTF-8 及 Unicode 答客問
the Encode manpage, the Encode::CN manpage, the encoding manpage, the perluniintro manpage, the perlunicode manpage
Jarkko Hietaniemi <jhi@iki.fi>
Autrijus Tang (唐宗漢) <autrijus@autrijus.org>