Commit | Line | Data |
---|---|---|
ffe25ee3 B |
1 | # vim: syntax=pod |
2 | ||
5a310f9b LT |
3 | 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. |
4 | 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, | |
fadae0ba | 5 | 而特别设计的. 关于此格式的进一步信息, 请参考 perlpod 在线文档. |
a5921eb1 | 6 | |
108b5e9d B |
7 | =encoding utf8 |
8 | ||
d8416318 JH |
9 | =head1 NAME |
10 | ||
5a310f9b | 11 | perlcn - 简体中文 Perl 指南 |
d8416318 JH |
12 | |
13 | =head1 DESCRIPTION | |
14 | ||
5a310f9b | 15 | 欢迎来到 Perl 的天地! |
d8416318 | 16 | |
fadae0ba SZ |
17 | 从 5.8.0 版开始, Perl 具备了完善的 Unicode (统一码) 支持, |
18 | 也连带支持了许多拉丁语系以外的编码方式; CJK (中日韩) 便是其中的一部分. | |
5a310f9b | 19 | 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, |
fadae0ba SZ |
20 | 以及两者间的一切 (希腊文, 叙利亚文, 阿拉伯文, 希伯来文, 印度文, |
21 | 印地安文, 等等). 它也容纳了多种操作系统与平台 (如 PC 及麦金塔). | |
d8416318 | 22 | |
5a310f9b | 23 | Perl 本身以 Unicode 进行操作. 这表示 Perl 内部的字符串数据可用 Unicode |
fadae0ba SZ |
24 | 表示; Perl 的函数与运算符 (例如正则表达式匹配) 也能对 Unicode 进行操作. |
25 | 在输入及输出时, 为了处理以 Unicode 之前的编码方式储存的数据, Perl | |
26 | 提供了 Encode 这个模块, 可以让你轻易地读写使用旧有的编码格式的数据. | |
d8416318 | 27 | |
fadae0ba | 28 | Encode 扩展模块支持下列简体中文的编码方式 ('gb2312' 表示 'euc-cn'): |
d8416318 | 29 | |
fadae0ba | 30 | euc-cn Unix 扩展字符集, 也就是俗称的国标码 |
5a310f9b LT |
31 | gb2312-raw 未经处理的 (低比特) GB2312 字符表 |
32 | gb12345 未经处理的中国用繁体中文编码 | |
33 | iso-ir-165 GB2312 + GB6345 + GB8565 + 新增字符 | |
34 | cp936 字码页 936, 也可以用 'GBK' (扩充国标码) 指明 | |
35 | hz 7 比特逸出式 GB2312 编码 | |
d8416318 | 36 | |
fadae0ba | 37 | 举例来说, 将 EUC-CN 编码的文件转成 Unicode, 只需输入以下命令: |
d8416318 JH |
38 | |
39 | perl -Mencoding=euc-cn,STDOUT,utf8 -pe1 < file.euc-cn > file.utf8 | |
40 | ||
fadae0ba | 41 | Perl 也内附了 "piconv", 一个完全以 Perl 写成的字符转换工具程序, 用法如下: |
d8416318 JH |
42 | |
43 | piconv -f euc-cn -t utf8 < file.euc-cn > file.utf8 | |
44 | piconv -f utf8 -t euc-cn < file.utf8 > file.euc-cn | |
45 | ||
fadae0ba | 46 | 另外, 利用 encoding 模块, 你可以轻易写出以字符为单位的代码, 如下所示: |
d8416318 JH |
47 | |
48 | #!/usr/bin/env perl | |
5a310f9b | 49 | # 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 |
f092799b | 50 | use encoding 'euc-cn', STDIN => 'euc-cn', STDOUT => 'euc-cn'; |
5a310f9b LT |
51 | print length("骆驼"); # 2 (双引号表示字符) |
52 | print length('骆驼'); # 4 (单引号表示字节) | |
53 | print index("谆谆教诲", "蛔唤"); # -1 (不包含此子字符串) | |
54 | print index('谆谆教诲', '蛔唤'); # 1 (从第二个字节开始) | |
d8416318 | 55 | |
5a310f9b LT |
56 | 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 |
57 | 码的 "蛔"; "谆" 的第二个字节则与 "教" 的第一个字节结合成 "唤". | |
fadae0ba | 58 | 这解决了以前 EUC-CN 码匹配处理上常见的问题. |
f092799b | 59 | |
5a310f9b | 60 | =head2 额外的中文编码 |
d8416318 | 61 | |
4d714158 | 62 | 如果需要更多的中文编码, 可以从 CPAN (L<https://www.cpan.org/>) 下载 |
5a310f9b | 63 | Encode::HanExtra 模块. 它目前提供下列编码方式: |
d8416318 | 64 | |
5a310f9b | 65 | gb18030 扩充过的国标码, 包含繁体中文 |
d8416318 | 66 | |
5a310f9b | 67 | 另外, Encode::HanConvert 模块则提供了简繁转换用的两种编码: |
d8416318 | 68 | |
5a310f9b LT |
69 | big5-simp Big5 繁体中文与 Unicode 简体中文互转 |
70 | gbk-trad GBK 简体中文与 Unicode 繁体中文互转 | |
d8416318 | 71 | |
fadae0ba | 72 | 若想在 GBK 与 Big5 之间互转, 请参考该模块内附的 b2g.pl 与 g2b.pl 两个程序, |
5a310f9b | 73 | 或在程序内使用下列写法: |
d8416318 | 74 | |
f092799b | 75 | use Encode::HanConvert; |
5a310f9b LT |
76 | $euc_cn = big5_to_gb($big5); # 从 Big5 转为 GBK |
77 | $big5 = gb_to_big5($euc_cn); # 从 GBK 转为 Big5 | |
d8416318 | 78 | |
5a310f9b | 79 | =head2 进一步的信息 |
f092799b | 80 | |
5a310f9b LT |
81 | 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 |
82 | Perl 的知识, 以及 Unicode 的使用方式. 不过, 外部的资源相当丰富: | |
d8416318 | 83 | |
5a310f9b | 84 | =head2 提供 Perl 资源的网址 |
d8416318 | 85 | |
d19c8482 KW |
86 | =over 4 |
87 | ||
4d714158 KL |
88 | =item L<https://www.perl.org/> |
89 | ||
d19c8482 KW |
90 | =back |
91 | ||
4d714158 KL |
92 | Perl 的首页 |
93 | ||
d8416318 JH |
94 | =over 4 |
95 | ||
4d714158 | 96 | =item L<https://www.perl.com/> |
d8416318 | 97 | |
fadae0ba | 98 | 由 Perl 基金会运营的文章辑录 |
d8416318 | 99 | |
4d714158 | 100 | =item L<https://www.cpan.org/> |
d8416318 | 101 | |
5a310f9b | 102 | Perl 综合典藏网 (Comprehensive Perl Archive Network) |
d8416318 | 103 | |
4d714158 | 104 | =item L<https://lists.perl.org/> |
d8416318 | 105 | |
5a310f9b | 106 | Perl 邮递论坛一览 |
d8416318 JH |
107 | |
108 | =back | |
109 | ||
5a310f9b | 110 | =head2 学习 Perl 的网址 |
d8416318 JH |
111 | |
112 | =over 4 | |
113 | ||
464a08e7 | 114 | =item L<http://www.oreilly.com.cn/index.php?func=booklist&cat=68> |
d8416318 | 115 | |
5a310f9b | 116 | 简体中文版的欧莱礼 Perl 书藉 |
d8416318 JH |
117 | |
118 | =back | |
119 | ||
5a310f9b | 120 | =head2 Perl 使用者集会 |
d8416318 JH |
121 | |
122 | =over 4 | |
123 | ||
4d714158 | 124 | =item L<https://www.pm.org/groups/asia.html> |
d8416318 | 125 | |
5a310f9b | 126 | 中国 Perl 推广组一览 |
d8416318 JH |
127 | |
128 | =back | |
129 | ||
5a310f9b | 130 | =head2 Unicode 相关网址 |
d8416318 JH |
131 | |
132 | =over 4 | |
133 | ||
4d714158 | 134 | =item L<https://www.unicode.org/> |
d8416318 | 135 | |
5a310f9b | 136 | Unicode 学术学会 (Unicode 标准的制定者) |
d8416318 | 137 | |
4d714158 | 138 | =item L<https://www.cl.cam.ac.uk/%7Emgk25/unicode.html> |
d8416318 | 139 | |
fadae0ba | 140 | Unix/Linux 上的 UTF-8 及 Unicode 常见问题解答 |
d8416318 JH |
141 | |
142 | =back | |
143 | ||
f092799b JH |
144 | =head1 SEE ALSO |
145 | ||
146 | L<Encode>, L<Encode::CN>, L<encoding>, L<perluniintro>, L<perlunicode> | |
147 | ||
d8416318 JH |
148 | =head1 AUTHORS |
149 | ||
150 | Jarkko Hietaniemi E<lt>jhi@iki.fiE<gt> | |
151 | ||
5a310f9b | 152 | Audrey Tang (唐凤) E<lt>audreyt@audreyt.orgE<gt> |
d8416318 | 153 | |
fadae0ba SZ |
154 | Sizhe Zhao E<lt>prc.zhao@outlook.comE<gt> |
155 | ||
d8416318 | 156 | =cut |