Perl 解码西里尔字母字符串

Question

我遇到以下字符串问题：

$str="this is \321\213\321\213\321\213\321\213\321\213 \321\201\320\277\320\260\321\200\321\202\320\260\321\200";

该字符串位于 ascii 文本文件中，我想存储在 Mysql 数据库（utf8）中。 \321\231 ... 是西里尔字母符号。

我该怎么做才能使 \321\213 看起来像 Mysql db 中的西里尔字符

这应该在 RFC2047 中描述，最终看起来像是 utf7 到 utf8 的转换.. 不知道确切。 它的“unicode escape”

工作变体：

use Encode::Escape;
$var1='\321\213';
         print decode 'unicode-escape', $var1;
#correct mysql view in phpmyadmin
$dbh = DBI->connect('DBI:mysql:database=test', 'testuser', 'testpass', { mysql_enable_utf8 => 1});

Answer 1

这根本不可引用打印。这是一系列八位位组的 Perl 带引号的字符串表示形式，也称为 PERLQQ。数字是八进制的。

这些字节大部分采用 UTF-8 编码，但数据包含两个错误。看起来每个角色的一半都不知何故脱落了。我在下面用箭头标记了它。

my $octets = "this is \321\213\321\213\321\213\321\213\321 \321\201\320\277\320\260\321\200\321\202\320\260\321";
#                                                     ↑↑↑↑                                                 ↑↑↑↑

这在 UTF-8 中无效，但可以修复。我们放置Unicode 替换字符。

use Encode qw(decode);
my $characters = decode 'UTF-8', $octets, Encode::FB_DEFAULT | Encode::LEAVE_SRC;
# this is ыыыы� спарта�

现在可以像往常一样简单地将这个字符串插入到数据库中。 DBI 或 DBIx::Class 的 connect 调用中的 DSN 必须包含属性 mysql_enable_utf8。

connect('DBI:mysql:foobar;mysql_enable_utf8=1', …, …);

Answer 2

您需要将代码显式转换为字符。为此，您需要知道输入编码是什么。我想它是 iso-8859-5，但也可能是 windows-1252 或其他。

use Encode qw( decode );

my $str="this is \321\213\321\213\321\213\321\213\321 \321\201\320\277\320\260\321\200\321\202\320\260\321";
my $out .= from_to( "iso-8859-5","utf-8", $str );

我刚刚看到你的源字符串确实是QP，所以你需要从QP转换为字节；这很简单，只需使用 MIME::QuotedPrint：

use MIME::QuotedPrint ();

my $out = MIME::QuotedPrint::decode($str);

Answer 3

问题是：perl 不知道字符串是 UTF-8，因此您必须显式打开标志。

编码::_utf8_on($str);