模块输出的数据类型

Question

我有一个脚本，我在各种文本上运行以将 XHTML（例如，ü）转换为 ASCII。比如我的脚本是这样写的：

open (INPUT, '+<file') || die "File doesn't exist! $!";
open (OUTPUT, '>file') || die "Can't find file! $!";

while (<INPUT>) {
     s/&uuml/ü/g;
}

print OUTPUT $_;

这按预期工作，并将 XHTML 替换为 ASCII 等效项。但是，由于这经常运行，我尝试将其转换为模块。但是，Perl 不返回“ü”，而是返回分解。
我怎样才能让 Perl 用 ASCII 等价物返回数据（在我的常规 .pl 文件中运行和打印）？

Answer 1

没有 ASCII。无论如何，在实践中没有，当然也没有在美国以外的地方。我建议您指定一个包含您可能遇到的所有字符的编码（ASCII 不包含ü，它只是一个 7 位编码！）。 Latin-1 是可能的，但仍然不是最理想的，因此您应该使用 Unicode，最好使用 UTF-8。

如果您不想以 Unicode 输出，至少您的 Perl 脚本应该使用 UTF-8 编码。要将此信号发送给 perl 解释器，请在脚本顶部使用 use utf8。

然后用这样的编码层打开输入文件：

open my $fh, "<:encoding(UTF-8)", $filename

输出文件也是如此。只需确保在要使用编码时指定编码即可。

您可以使用binmode 更改文件的编码，只需查看documentation。

您还可以使用 Encode module 将字节字符串转换为 unicode，反之亦然。有关在 Perl 中使用 Unicode 的更多信息，请参阅excellent question。

如果您愿意，可以使用现有的HTML::Entities 模块来处理实体解码，只需专注于 I/O。