如何在Perl中将gbk编码转换为utf-8编码

问题描述

|| 我有一个简单的问题，我不知道如何在Perl中解决。我知道如何从utf-8转换为GBK，例如，从

e4b8ad

转换为

d6d0

。但是我不确定如何倒退，即给定

d6d0

，我怎么知道

e4b8ad

。 请赐教！非常感谢。     

解决方法

当您有十六进制数字时，pack是您的朋友。以下是REPL会话。笔记： 要反转方向，请将十六进制数字打包为八位字节，从GB八位字节解码为字符串，将字符串编码为UTF-8八位字节，将八位字节解压缩为十六进制数字。 GBK被取代。 GB18030（由Perl中的Encode :: HanExtra提供）已经强制使用了五年。

$ use Encode qw(decode encode); use Encode::HanExtra; use Devel::Peek qw(Dump);

$ \'e4b8ad\'
e4b8ad                                  # hex digits

$ pack(\'H*\',\'e4b8ad\')
中

$ Dump(pack(\'H*\',\'e4b8ad\'))
SV = PV(0x3657680) at 0x36b7188
  REFCNT = 1
  FLAGS = (PADTMP,POK,pPOK)
  PV = 0x36c0768 \"\\344\\270\\255\"\\0           # octets of UTF-8 encoded data
  CUR = 3
  LEN = 8

$ decode(\'UTF-8\',pack(\'H*\',\'e4b8ad\'))
中

$ Dump(decode(\'UTF-8\',\'e4b8ad\')))
SV = PV(0x326c3a0) at 0x36a50c8
  REFCNT = 1
  FLAGS = (TEMP,pPOK,UTF8)
  PV = 0x3698a48 \"\\344\\270\\255\"\\0 [UTF8 \"\\x{4e2d}\"]     # character string
  CUR = 3
  LEN = 8

$ encode(\'GB18030\',decode(\'UTF-8\',\'e4b8ad\')))
\"\\xd6\\xd0\"

$ Dump(encode(\'GB18030\',\'e4b8ad\'))))
SV = PV(0x36a2da0) at 0x36b6d98
  REFCNT = 1
  FLAGS = (TEMP,pPOK)
  PV = 0x36db3e8 \"\\326\\320\"\\0               # octets of GB18030 encoded data
  CUR = 2
  LEN = 8

$ unpack(\'H*\',encode(\'GB18030\',\'e4b8ad\'))))
d6d0                            # hex digits

    ,问题的答案是：

use Encode qw( from_to );
my $gbk = \"\\xD6\\xD0\";
from_to(my $utf8 = $gbk,\'GB18030\',\'UTF-8\');  # E4 B8 AD

要么

use Encode qw( decode encode );
my $gbk = \"\\xD6\\xD0\";
my $utf8 = encode(\'UTF-8\',decode(\'GB18030\',$gbk));  # E4 B8 AD

但是，更正常的流程如下所示：

open(my $fh_in,\'<:encoding(GB18030)\',...) or die ...;
open(my $fh_out,\'>:encoding(UTF-8)\',...) or die ...;

while (<$fh_in>) {
   ...
   print $fh_out ...;
   ...
}

必须安装Encode :: HanExtra，以便Encode可以找到编码。     ,

use Encode qw/encode decode/;
$utf8 = decode(\"euc-cn\",$euc_cn); # ditto

您通常还可以在打开或关闭FD时指定编码，它将执行必要的转换。 奇迹般有效：

perl -e \'open(X,\">\",\"/tmp/x\"); print X chr(0xd6).chr(0xd0);close(X)\'
perl -mEncode -e \'open(X,\"<\",\"/tmp/x\"); $x=<X>; print Encode::decode(\"euc-cn\",$x);\' > /tmp/xx