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，然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，另一种是utf-8编码的字符串。

Perl如何确定当前字符串是属于哪一种呢？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种形式来处理。

utf8 flag为Off时，Perl会将字符串当作字节数组来处理。

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

判断一个字符串的utf8 flag的状态可以通过Encode::is_utf8($str)方法。

一个字符串的不同utf8 flag状态时，对某些操作都是会受影响的，例如：

use Encode;

my $str = '你好';
Encode::_utf8_on($str);
my $len = length($str);
print $len."\n";
Encode::_utf8_off($str);
my $len = length($str);
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作也是有影响的，如下：

use Encode;

my $str1= 'hello-----科大讯飞';
my $str2= 'hello-----科大讯飞';

Encode::_utf8_on($str1);
Encode::_utf8_off($str2);

$str1=~s/\W+//g;
$str2=~s/\W+//g;

$str1 = encode("gbk",$str1);
print $str1."\n";
print $str2."\n";

第12行代码是为了在命令提示符下显示中文，因为该脚本文件本身为utf-8编码。
程序执行结果：

hello科大讯飞
hello

根据以上结果我们可以看出，不同的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，我们知道，该字符串会被当作字节数组，若这时，你强行改变utf8 flag为on的话，那么该字符串就会被当作utf-8字符串来处理，该字符串本身就是gb2312的，你非要让其当作utf-8，肯定会出现错误【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？

代码如下：

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

在执行上句之前，$str的utf8 flag一定要是off的，否则会影响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，然后再从Perl的内部格式通过encode方法编码成utf8的编码。

执行完encode语句之后，utf8 flag的状态会被设置成on状态。

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