145 lines
4.6 KiB
Plaintext
145 lines
4.6 KiB
Plaintext
=encoding utf8
|
|
|
|
如果你用一般的文字编辑器阅览这份文件, 请忽略文中奇特的注记字符.
|
|
这份文件是以 POD (简明文件格式) 写成; 这种格式是为了能让人直接阅读,
|
|
而特别设计的. 关于此格式的进一步信息, 请参考 perlpod 线上文件.
|
|
|
|
=head1 NAME
|
|
|
|
perlcn - 简体中文 Perl 指南
|
|
|
|
=head1 DESCRIPTION
|
|
|
|
欢迎来到 Perl 的天地!
|
|
|
|
从 5.8.0 版开始, Perl 具备了完善的 Unicode (统一码) 支援,
|
|
也连带支援了许多拉丁语系以外的编码方式; CJK (中日韩) 便是其中的一部份.
|
|
Unicode 是国际性的标准, 试图涵盖世界上所有的字符: 西方世界, 东方世界,
|
|
以及两者间的一切 (希腊文, 叙利亚文, 亚拉伯文, 希伯来文, 印度文,
|
|
印地安文, 等等). 它也容纳了多种作业系统与平台 (如 PC 及麦金塔).
|
|
|
|
Perl 本身以 Unicode 进行操作. 这表示 Perl 内部的字符串数据可用 Unicode
|
|
表示; Perl 的函式与算符 (例如正规表示式比对) 也能对 Unicode 进行操作.
|
|
在输入及输出时, 为了处理以 Unicode 之前的编码方式存放的数据, Perl
|
|
提供了 Encode 这个模块, 可以让你轻易地读取及写入旧有的编码数据.
|
|
|
|
Encode 延伸模块支援下列简体中文的编码方式 ('gb2312' 表示 'euc-cn'):
|
|
|
|
euc-cn Unix 延伸字符集, 也就是俗称的国标码
|
|
gb2312-raw 未经处理的 (低比特) GB2312 字符表
|
|
gb12345 未经处理的中国用繁体中文编码
|
|
iso-ir-165 GB2312 + GB6345 + GB8565 + 新增字符
|
|
cp936 字码页 936, 也可以用 'GBK' (扩充国标码) 指明
|
|
hz 7 比特逸出式 GB2312 编码
|
|
|
|
举例来说, 将 EUC-CN 编码的档案转成 Unicode, 祗需键入下列指令:
|
|
|
|
perl -Mencoding=euc-cn,STDOUT,utf8 -pe1 < file.euc-cn > file.utf8
|
|
|
|
Perl 也内附了 "piconv", 一支完全以 Perl 写成的字符转换工具程序, 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 模块, 你可以轻易写出以字符为单位的程序码, 如下所示:
|
|
|
|
#!/usr/bin/env perl
|
|
# 启动 euc-cn 字串解析; 标准输出入及标准错误都设为 euc-cn 编码
|
|
use encoding 'euc-cn', STDIN => 'euc-cn', STDOUT => 'euc-cn';
|
|
print length("骆驼"); # 2 (双引号表示字符)
|
|
print length('骆驼'); # 4 (单引号表示字节)
|
|
print index("谆谆教诲", "蛔唤"); # -1 (不包含此子字符串)
|
|
print index('谆谆教诲', '蛔唤'); # 1 (从第二个字节开始)
|
|
|
|
在最后一列例子里, "谆" 的第二个字节与 "谆" 的第一个字节结合成 EUC-CN
|
|
码的 "蛔"; "谆" 的第二个字节则与 "教" 的第一个字节结合成 "唤".
|
|
这解决了以前 EUC-CN 码比对处理上常见的问题.
|
|
|
|
=head2 额外的中文编码
|
|
|
|
如果需要更多的中文编码, 可以从 CPAN (L<http://www.cpan.org/>) 下载
|
|
Encode::HanExtra 模块. 它目前提供下列编码方式:
|
|
|
|
gb18030 扩充过的国标码, 包含繁体中文
|
|
|
|
另外, Encode::HanConvert 模块则提供了简繁转换用的两种编码:
|
|
|
|
big5-simp Big5 繁体中文与 Unicode 简体中文互转
|
|
gbk-trad GBK 简体中文与 Unicode 繁体中文互转
|
|
|
|
若想在 GBK 与 Big5 之间互转, 请参考该模块内附的 b2g.pl 与 g2b.pl 两支程序,
|
|
或在程序内使用下列写法:
|
|
|
|
use Encode::HanConvert;
|
|
$euc_cn = big5_to_gb($big5); # 从 Big5 转为 GBK
|
|
$big5 = gb_to_big5($euc_cn); # 从 GBK 转为 Big5
|
|
|
|
=head2 进一步的信息
|
|
|
|
请参考 Perl 内附的大量说明文件 (不幸全是用英文写的), 来学习更多关于
|
|
Perl 的知识, 以及 Unicode 的使用方式. 不过, 外部的资源相当丰富:
|
|
|
|
=head2 提供 Perl 资源的网址
|
|
|
|
=over 4
|
|
|
|
=item L<http://www.perl.com/>
|
|
|
|
Perl 的首页 (由欧莱礼公司维护)
|
|
|
|
=item L<http://www.cpan.org/>
|
|
|
|
Perl 综合典藏网 (Comprehensive Perl Archive Network)
|
|
|
|
=item L<http://lists.perl.org/>
|
|
|
|
Perl 邮递论坛一览
|
|
|
|
=back
|
|
|
|
=head2 学习 Perl 的网址
|
|
|
|
=over 4
|
|
|
|
=item L<http://www.oreilly.com.cn/index.php?func=booklist&cat=68>
|
|
|
|
简体中文版的欧莱礼 Perl 书藉
|
|
|
|
=back
|
|
|
|
=head2 Perl 使用者集会
|
|
|
|
=over 4
|
|
|
|
=item L<http://www.pm.org/groups/asia.html>
|
|
|
|
中国 Perl 推广组一览
|
|
|
|
=back
|
|
|
|
=head2 Unicode 相关网址
|
|
|
|
=over 4
|
|
|
|
=item L<http://www.unicode.org/>
|
|
|
|
Unicode 学术学会 (Unicode 标准的制定者)
|
|
|
|
=item L<http://www.cl.cam.ac.uk/%7Emgk25/unicode.html>
|
|
|
|
Unix/Linux 上的 UTF-8 及 Unicode 答客问
|
|
|
|
=back
|
|
|
|
=head1 SEE ALSO
|
|
|
|
L<Encode>, L<Encode::CN>, L<encoding>, L<perluniintro>, L<perlunicode>
|
|
|
|
=head1 AUTHORS
|
|
|
|
Jarkko Hietaniemi E<lt>jhi@iki.fiE<gt>
|
|
|
|
Audrey Tang (唐凤) E<lt>audreyt@audreyt.orgE<gt>
|
|
|
|
=cut
|