怎樣把 U+2FA17 這樣的 unicode 內(nèi)碼轉(zhuǎn)換成字符?

Calvin00

我得到一個文件，裡面全部是 U+2FA17 這樣的 unicode 內(nèi)碼，我希望把這些西轉(zhuǎn)換成對應(yīng)的字符，如 U+2EC6 對應(yīng)「⻆」字。
想用 perl 讀入U+2FA17，輸出對應(yīng)的字符，有沒有什麼方法呢?

MMMIX

perldoc -f chr

Calvin00

#!/usr/bin/perl while(<>){     chomp;     binmode (STDOUT, ":utf8");     $a=chr($_);     print "$a\n"; }

$ ./test.pl
0x2EC6

結(jié)果輸出為空，這是怎麼回事?

[ 本帖最后由 Calvin00 于 2009-1-17 20:59 編輯 ]

ynchnluiti

原帖由 Calvin00 于 2009-1-17 20:45 發(fā)表

0x2EC6不是utf8編碼吧

MMMIX

原帖由 Calvin00 于 2009-1-17 20:45 發(fā)表
#!/usr/bin/perl

while(){
    chomp;
    binmode (STDOUT, ":utf8");
    $a=chr($_);
    print "$a\n";
}


$ ./test.pl
0x2EC6

結(jié)果輸出為空，這是怎麼回事?

try this

1. 
   
2. #!/usr/bin/perl
   
3. 
   
4. binmode (STDOUT, ":utf8");
   
5. while(<>){
   
6.         chomp;
   
7.         my $c = chr(hex);
   
8.         print "$_ = $c\n";
   
9. }
   

復制代碼

[ 本帖最后由 MMMIX 于 2009-1-18 10:25 編輯 ]

ynchnluiti

我測試的結(jié)果不對，不知道是不是環(huán)境問題。

$ echo $LANG
zh_CN.utf8

$ cat test.pl
#!/usr/bin/perl

binmode (STDOUT, ":utf8");
while(<>){
    chomp;
    my $c = chr(hex);
    print "$_ = $c\n";
}

./testl.pl
0x2EC6
0x2EC6 = ⻆
0xe4bda0
0xe4bda0 = ▒

MMMIX

原帖由 ynchnluiti 于 2009-1-18 18:54 發(fā)表
我測試的結(jié)果不對，不知道是不是環(huán)境問題。
$ echo $LANG
zh_CN.utf8

光顯示 LANG 的設(shè)置是不夠的，因為 Perl 先檢查的是 LC_ALL, 然后上  LC_CTYPE, 最后才是 LANG. 見 perllocale, perluniintro 中的相關(guān)描述。

記得我給你說過這個 :em11:

0xe4bda0
0xe4bda0 = ▒

這個 0xe4bda0 是嘛？并不是你隨便給一個數(shù)字，在 Unicode 中都能得到有意義的結(jié)果。另外，Unicode 的 code point 中本身就存在一些空洞。

MMMIX

我測試的截圖

MMMIX

語言環(huán)境設(shè)置

ACA80110:tmp lee$ locale
LANG="zh_CN.UTF-8"
LC_COLLATE="zh_CN.UTF-8"
LC_CTYPE="zh_CN.UTF-8"
LC_MESSAGES="zh_CN.UTF-8"
LC_MONETARY="zh_CN.UTF-8"
LC_NUMERIC="zh_CN.UTF-8"
LC_TIME="zh_CN.UTF-8"
LC_ALL=

ynchnluiti

原帖由 MMMIX 于 2009-1-18 19:38 發(fā)表
光顯示 LANG 的設(shè)置是不夠的，因為 Perl 先檢查的是 LC_ALL, 然后上  LC_CTYPE, 最后才是 LANG. 見 perllocale, perluniintro 中的相關(guān)描述。
記得我給你說過這個 :em11:

對，你說過。不過LC_CTYPE是設(shè)置了的。
直接給LANG賦值, 會設(shè)置LC_CTYPE

1. 
   
2. locale -a
   
3. C
   
4. POSIX
   
5. zh_CN
   
6. zh_CN.gb2312
   
7. zh_CN.gbk
   
8. zh_CN.utf8
   
9. zh_TW
   
10. zh_TW.big5
    
11. 
    
12. $ LANG="zh_CN.utf8"
    
13. $ locale
    
14. LANG=zh_CN.utf8
    
15. LANGUAGE=C
    
16. LC_CTYPE="zh_CN.utf8"
    
17. LC_NUMERIC="zh_CN.utf8"
    
18. LC_TIME="zh_CN.utf8"
    
19. LC_COLLATE="zh_CN.utf8"
    
20. LC_MONETARY="zh_CN.utf8"
    
21. LC_MESSAGES="zh_CN.utf8"
    
22. LC_PAPER="zh_CN.utf8"
    
23. LC_NAME="zh_CN.utf8"
    
24. LC_ADDRESS="zh_CN.utf8"
    
25. LC_TELEPHONE="zh_CN.utf8"
    
26. LC_MEASUREMENT="zh_CN.utf8"
    
27. LC_IDENTIFICATION="zh_CN.utf8"
    
28. LC_ALL=
    
29. 
    
30. $ LANG=C
    
31. $ locale
    
32. LANG=C
    
33. LANGUAGE=C
    
34. LC_CTYPE="C"
    
35. LC_NUMERIC="C"
    
36. LC_TIME="C"
    
37. LC_COLLATE="C"
    
38. LC_MONETARY="C"
    
39. LC_MESSAGES="C"
    
40. LC_PAPER="C"
    
41. LC_NAME="C"
    
42. LC_ADDRESS="C"
    
43. LC_TELEPHONE="C"
    
44. LC_MEASUREMENT="C"
    
45. LC_IDENTIFICATION="C"
    
46. LC_ALL=
    
47. 
    

復制代碼

這個 0xe4bda0 是嘛？并不是你隨便給一個數(shù)字，在 Unicode 中都能得到有意義的結(jié)果。另外，Unicode 的 code point 中本身就存在一些空洞。

0xe4bda0 是漢字'你'的utf-8編碼，我是用一個unicode編碼，一個utf-8編碼的字看看效果。