婷婷综合国产,91蜜桃婷婷狠狠久久综合9色 ,九九九九九精品,国产综合av

主頁(yè) > 知識(shí)庫(kù) > perl 中文處理技巧

perl 中文處理技巧

熱門標(biāo)簽:樂(lè)昌電話機(jī)器人 武漢呼叫中心外呼系統(tǒng)線路商 買了外呼系統(tǒng)不想用了怎么辦 電話機(jī)器人電話卡封號(hào)怎么辦 浦東上海400開頭的電話申請(qǐng) 開封百應(yīng)電銷機(jī)器人聯(lián)系方式 北京語(yǔ)音電銷機(jī)器人價(jià)格 邯鄲外呼調(diào)研線路 真人語(yǔ)音電銷機(jī)器人系統(tǒng)
Perl從5.6開始已經(jīng)開始在內(nèi)部使用utf8編碼來(lái)表示字符,也就是說(shuō)對(duì)中文以及其他語(yǔ)言字符的處理應(yīng)該是完全沒有問(wèn)題的。我們只需要利用好Encode這個(gè)模塊便能充分發(fā)揮Perl的utf8字符的優(yōu)勢(shì)了。

下面就以中文文本的處理為例進(jìn)行說(shuō)明,比如有一個(gè)字符串"測(cè)試文本",我們想要把這個(gè)中文字符串拆成單個(gè)字符,可以這樣寫:

use Encode;
$dat="測(cè)試文本";
$str=decode("gb2312",$dat);
@chars=split //,$str;
foreach $char (@chars) {
print encode("gb2312",$char),"\n";
}

結(jié)果大家試一試就知道了,應(yīng)該是令人滿意的。

這里主要用到了Encode模塊的decode、encode函數(shù)。要了解這兩個(gè)函數(shù)的作用我們需要清楚幾個(gè)概念:

1、Perl字符串是使用utf8編碼的,它由Unicode字符組成而不是單個(gè)字節(jié),每個(gè)utf8編碼的Unicode字符占1~4個(gè)字節(jié)(變長(zhǎng))。

2、進(jìn)入或離開Perl處理環(huán)境(比如輸出到屏幕、讀入和保存文件等等)時(shí)不是直接使用Perl字符串,而需要把Perl字符串轉(zhuǎn)換成字節(jié)流,轉(zhuǎn)換過(guò)程中使用何種編碼方式完全取決于你(或者由Perl代勞)。一旦Perl字符串向字節(jié)流的編碼完成,字符的概念就不存在了,變成了純粹的字節(jié)組合,如何解釋這些組合則是你自己的工作。

我們可以看出如果想要Perl按照我們的字符概念來(lái)對(duì)待文本,文本數(shù)據(jù)就需要一直用Perl字符串的形式存放。但是我們平時(shí)寫出的每個(gè)字符一般都被作為純ASCII字符保存(包括在程序中明文寫出的字符串),也就是字節(jié)流的形式,這里就需要encode和decode函數(shù)的幫助了。

encode函數(shù)顧名思義是用來(lái)編碼Perl字符串的。它將Perl字符串中的字符用指定的編碼格式編碼,最終轉(zhuǎn)化為字節(jié)流的形式,因此和Perl處理環(huán)境之外的事物打交道經(jīng)常需要它。其格式很簡(jiǎn)單:
$octets = encode(ENCODING, $string [, CHECK])

$string:  Perl字符串
encoding: 是給定的編碼方式
$octets:  是編碼之后的字節(jié)流
check:   表示轉(zhuǎn)換時(shí)如何處理畸變字符(也就是Perl認(rèn)不出來(lái)的字符)。一般不需使用

編碼方式視語(yǔ)言環(huán)境的不同有很大變化,默認(rèn)可以識(shí)別utf8、ascii、ascii-ctrl、
iso-8859-1等。

decode函數(shù)則是用來(lái)解碼字節(jié)流的。它按照你給出的編碼格式解釋給定的字節(jié)流,將其轉(zhuǎn)化為使用utf8編碼的Perl字符串,一般來(lái)說(shuō)從終端或者文件取得的文本數(shù)據(jù)都應(yīng)該用decode轉(zhuǎn)換為Perl字符串的形式。它的格式為:

$string = decode(ENCODING, $octets [, CHECK])
$string、ENCODING、$octets和CHECK的含義同上。

現(xiàn)在就很容易理解上面寫的那段程序了。因?yàn)樽址怯妹魑膶懗龅模娣诺臅r(shí)候已經(jīng)是字節(jié)流形式,喪失了本來(lái)的意義,所以首先就要用 decode函數(shù)將其轉(zhuǎn)換為Perl字符串,由于漢字一般都用gb2312格式編碼,這里decode也要使用gb2312編碼格式。轉(zhuǎn)換完成后Perl 對(duì)待字符的行為就和我們一樣了,平時(shí)對(duì)字符串進(jìn)行操作的函數(shù)基本上都能正確對(duì)字符進(jìn)行處理,除了那些本來(lái)就把字符串當(dāng)成一堆字節(jié)的函數(shù)(如vec、 pack、unpack等)。于是split就能把字符串切成單個(gè)字符了。最后由于在輸出的時(shí)候不能直接使用utf8編碼的字符串,還需要將切割后的字符用encode函數(shù)編碼為gb2312格式的字節(jié)流,再用print輸出。

標(biāo)簽:淄博 松原 宜春 河北 鄂州 自貢 六安 石嘴山

巨人網(wǎng)絡(luò)通訊聲明:本文標(biāo)題《perl 中文處理技巧》,本文關(guān)鍵詞  perl,中文處理,技巧,perl,;如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問(wèn)題,煩請(qǐng)?zhí)峁┫嚓P(guān)信息告之我們,我們將及時(shí)溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò),涉及言論、版權(quán)與本站無(wú)關(guān)。
  • 相關(guān)文章
  • 下面列出與本文章《perl 中文處理技巧》相關(guān)的同類信息!
  • 本頁(yè)收集關(guān)于perl 中文處理技巧的相關(guān)信息資訊供網(wǎng)民參考!
  • 推薦文章
    主站蜘蛛池模板: 思南县| 湾仔区| 邢台县| 琼海市| 西华县| 普安县| 巢湖市| 临清市| 罗源县| 嫩江县| 武威市| 夏河县| 全州县| 云安县| 桐柏县| 和田县| 五原县| 六枝特区| 长宁县| 武义县| 科尔| 格尔木市| 喀喇沁旗| 凭祥市| 桑植县| 永登县| 临泽县| 都江堰市| 卢湾区| 房产| 定兴县| 石阡县| 婺源县| 新巴尔虎左旗| 商南县| 晋城| 蒙城县| 广宗县| 平湖市| 商城县| 阜南县|