pod/perlunifaq.pod

   1 =head1 NAME
   2
   3 perlunifaq - Perl Unicode FAQ
   4
   5 =head1 DESCRIPTION
   6
   7 This is a list of questions and answers about Unicode in Perl, intended to be
   8 read after L<perlunitut>.
   9
  10 =head2 perlunitut isn't really a Unicode tutorial, is it?
  11
  12 No, and this isn't really a Unicode FAQ.
  13
  14 Perl has an abstracted interface for all supported character encodings, so they
  15 is actually a generic C<Encode> tutorial and C<Encode> FAQ. But many people
  16 think that Unicode is special and magical, and I didn't want to disappoint
  17 them, so I decided to call the document a Unicode tutorial.
  18
  19 =head2 What about binary data, like images?
  20
  21 Well, apart from a bare C<binmode $fh>, you shouldn't treat them specially.
  22 (The binmode is needed because otherwise Perl may convert line endings on Win32
  23 systems.)
  24
  25 Be careful, though, to never combine text strings with binary strings. If you
  26 need text in a binary stream, encode your text strings first using the
  27 appropriate encoding, then join them with binary strings. See also: "What if I
  28 don't encode?".
  29
  30 =head2 What about the UTF8 flag?
  31
  32 Please, unless you're hacking the internals, or debugging weirdness, don't
  33 think about the UTF8 flag at all. That means that you very probably shouldn't
  34 use C<is_utf8>, C<_utf8_on> or C<_utf8_off> at all.
  35
  36 Perl's internal format happens to be UTF-8. Unfortunately, Perl can't keep a
  37 secret, so everyone knows about this.  That is the source of much confusion.
  38 It's better to pretend that the internal format is some unknown encoding,
  39 and that you always have to encode and decode explicitly.
  40
  41 =head2 When should I decode or encode?
  42
  43 Whenever you're communicating with anything that is external to your perl
  44 process, like a database, a text file, a socket, or another program. Even if
  45 the thing you're communicating with is also written in Perl.
  46
  47 =head2 What if I don't decode?
  48
  49 Whenever your encoded, binary string is used together with a text string, Perl
  50 will assume that your binary string was encoded with ISO-8859-1, also known as
  51 latin-1. If it wasn't latin-1, then your data is unpleasantly converted. For
  52 example, if it was UTF-8, the individual bytes of multibyte characters are seen
  53 as separate characters, and then again converted to UTF-8. Such double encoding
  54 can be compared to double HTML encoding (C<&amp;gt;>), or double URI encoding
  55 (C<%253E>).
  56
  57 This silent implicit decoding is known as "upgrading". That may sound
  58 positive, but it's best to avoid it.
  59
  60 =head2 What if I don't encode?
  61
  62 Your text string will be sent using the bytes in Perl's internal format. In
  63 some cases, Perl will warn you that you're doing something wrong, with a
  64 friendly warning:
  65
  66     Wide character in print at example.pl line 2.
  67
  68 Because the internal format is often UTF-8, these bugs are hard to spot,
  69 because UTF-8 is usually the encoding you wanted! But don't be lazy, and don't
  70 use the fact that Perl's internal format is UTF-8 to your advantage. Encode
  71 explicitly to avoid weird bugs, and to show to maintenance programmers that you
  72 thought this through.
  73
  74 =head2 Is there a way to automatically decode or encode?
  75
  76 If all data that comes from a certain handle is encoded in exactly the same
  77 way, you can tell the PerlIO system to automatically decode everything, with
  78 the C<encoding> layer. If you do this, you can't accidentally forget to decode
  79 or encode anymore, on things that use the layered handle.
  80
  81 You can provide this layer when C<open>ing the file:
  82
  83     open my $fh, '>:encoding(UTF-8)', $filename;  # auto encoding on write
  84     open my $fh, '<:encoding(UTF-8)', $filename;  # auto decoding on read
  85
  86 Or if you already have an open filehandle:
  87
  88     binmode $fh, ':encoding(UTF-8)';
  89
  90 Some database drivers for DBI can also automatically encode and decode, but
  91 that is typically limited to the UTF-8 encoding, because they cheat.
  92
  93 =head2 Cheat?! Tell me, how can I cheat?
  94
  95 Well, because Perl's internal format is UTF-8, you can just skip the encoding
  96 or decoding step, and manipulate the UTF8 flag directly.
  97
  98 Instead of C<:encoding(UTF-8)>, you can simply use C<:utf8>. This is widely
  99 accepted as good behavior when you're writing, but it can be dangerous when
 100 reading, because it causes internal inconsistency when you have invalid byte
 101 sequences.
 102
 103 Instead of C<decode> and C<encode>, you could use C<_utf8_on> and C<_utf8_off>,
 104 but this is considered bad style. Especially C<_utf8_on> can be dangerous, for
 105 the same reason that C<:utf8> can.
 106
 107 There are some shortcuts for oneliners; see C<-C> in L<perlrun>.
 108
 109 =head2 What if I don't know which encoding was used?
 110
 111 Do whatever you can to find out, and if you have to: guess. (Don't forget to
 112 document your guess with a comment.)
 113
 114 You could open the document in a web browser, and change the character set or
 115 character encoding until you can visually confirm that all characters look the
 116 way they should.
 117
 118 There is no way to reliably detect the encoding automatically, so if people
 119 keep sending you data without charset indication, you may have to educate them.
 120
 121 =head2 Can I use Unicode in my Perl sources?
 122
 123 Yes, you can! If your sources are UTF-8 encoded, you can indicate that with the
 124 C<use utf8> pragma.
 125
 126     use utf8;
 127
 128 This doesn't do anything to your input, or to your output. It only influences
 129 the way your sources are read. You can use Unicode in string literals, in
 130 identifiers (but they still have to be "word characters" according to C<\w>),
 131 and even in custom delimiters.
 132
 133 =head2 Data::Dumper doesn't restore the UTF8 flag; is it broken?
 134
 135 No, Data::Dumper's Unicode abilities are as they should be. There have been
 136 some complaints that it should restore the UTF8 flag when the data is read
 137 again with C<eval>. However, you should really not look at the flag, and
 138 nothing indicates that Data::Dumper should break this rule.
 139
 140 Here's what happens: when Perl reads in a string literal, it sticks to 8 bit
 141 encoding as long as it can. (But perhaps originally it was internally encoded
 142 as UTF-8, when you dumped it.) When it has to give that up because other
 143 characters are added to the text string, it silently upgrades the string to
 144 UTF-8.
 145
 146 If you properly encode your strings for output, none of this is of your
 147 concern, and you can just C<eval> dumped data as always.
 148
 149 =head2 How can I determine if a string is a text string or a binary string?
 150
 151 You can't. Some use the UTF8 flag for this, but that's misuse, and makes well
 152 behaved modules like Data::Dumper look bad. The flag is useless for this
 153 purpose, because it's off when an 8 bit encoding (by default ISO-8859-1) is
 154 used to store the string.
 155
 156 This is something you, the programmer, has to keep track of; sorry. You could
 157 consider adopting a kind of "Hungarian notation" to help with this.
 158
 159 =head2 How do I convert from encoding FOO to encoding BAR?
 160
 161 By first converting the FOO-encoded byte string to a text string, and then the
 162 text string to a BAR-encoded byte string:
 163
 164     my $text_string = decode('FOO', $foo_string);
 165     my $bar_string  = encode('BAR', $text_string);
 166
 167 or by skipping the text string part, and going directly from one binary
 168 encoding to the other:
 169
 170     use Encode qw(from_to);
 171     from_to($string, 'FOO', 'BAR');  # changes contents of $string
 172
 173 or by letting automatic decoding and encoding do all the work:
 174
 175     open my $foofh, '<:encoding(FOO)', 'example.foo.txt';
 176     open my $barfh, '>:encoding(BAR)', 'example.bar.txt';
 177     print { $barfh } $_ while <$foofh>;
 178
 179 =head2 What about the C<use bytes> pragma?
 180
 181 Don't use it. It makes no sense to deal with bytes in a text string, and it
 182 makes no sense to deal with characters in a byte string. Do the proper
 183 conversions (by decoding/encoding), and things will work out well: you get
 184 character counts for decoded data, and byte counts for encoded data.
 185
 186 C<use bytes> is usually a failed attempt to do something useful. Just forget
 187 about it.
 188
 189 =head2 What are C<decode_utf8> and C<encode_utf8>?
 190
 191 These are alternate syntaxes for C<decode('utf8', ...)> and C<encode('utf8',
 192 ...)>.
 193
 194 =head2 What's the difference between C<UTF-8> and C<utf8>?
 195
 196 C<UTF-8> is the official standard. C<utf8> is Perl's way of being liberal in
 197 what it accepts. If you have to communicate with things that aren't so liberal,
 198 you may want to consider using C<UTF-8>. If you have to communicate with things
 199 that are too liberal, you may have to use C<utf8>. The full explanation is in
 200 L<Encode>.
 201
 202 C<UTF-8> is internally known as C<utf-8-strict>. The tutorial uses UTF-8
 203 consistently, even where utf8 is actually used internally, because the
 204 distinction can be hard to make, and is mostly irrelevant.
 205
 206 For example, utf8 can be used for code points that don't exist in Unicode, like
 207 9999999, but if you encode that to UTF-8, you get a substitution character (by
 208 default; see L<Encode/"Handling Malformed Data"> for more ways of dealing with
 209 this.)
 210
 211 Okay, if you insist: the "internal format" is utf8, not UTF-8. (When it's not
 212 some other encoding.)
 213
 214 =head2 I lost track; what encoding is the internal format really?
 215
 216 It's good that you lost track, because you shouldn't depend on the internal
 217 format being any specific encoding. But since you asked: by default, the
 218 internal format is either ISO-8859-1 (latin-1), or utf8, depending on the
 219 history of the string. On EBCDIC platforms, this may be different even.
 220
 221 Perl knows how it stored the string internally, and will use that knowledge
 222 when you C<encode>. In other words: don't try to find out what the internal
 223 encoding for a certain string is, but instead just encode it into the encoding
 224 that you want.
 225
 226 =head2 What character encodings does Perl support?
 227
 228 To find out which character encodings your Perl supports, run:
 229
 230     perl -MEncode -le "print for Encode->encodings(':all')"
 231
 232 =head2 Which version of perl should I use?
 233
 234 Well, if you can, upgrade to the most recent, but certainly C<5.8.1> or newer.
 235 The tutorial and FAQ are based on the status quo as of C<5.8.8>.
 236
 237 You should also check your modules, and upgrade them if necessary. For example,
 238 HTML::Entities requires version >= 1.32 to function correctly, even though the
 239 changelog is silent about this.
 240
 241 =head1 AUTHOR
 242
 243 Juerd Waalboer <juerd@cpan.org>
 244
 245 =head1 SEE ALSO
 246
 247 L<perlunicode>, L<perluniintro>, L<Encode>
 248