打开和保存文件时丢失编码

Question

我正在尝试打开一个包含常规 HTML 和特殊 Unicode 字符（例如“ÖäÅ öäå”（瑞典语））的文件，对其进行格式化，然后将其输出到文件中。

到目前为止，一切都很顺利，我可以打开文件，找到我需要的部分并输出到文件中。

但重点是：

我无法在不丢失编码的情况下将输入的 Unicode 数据保存到文件中（例如，“ö”变为“¶”）。

尽管我可以通过手动将它们输入到代码本身中，设法执行正则表达式并将它们输出为正确的编码。但当我导入文件、格式​​化它然后输出时却不是这样。

使用 OCT 时的工作方法示例（例如，这可以输出到文件而不会出现编码问题）：

my $charsSWE = "öäåÅÄÖ";
# \344 = ä
# \345 = å
# \305 = Å
# \304 = Ä
# \326 = Ö
# \366 = ö
my $SwedishLetters = '\344 \345 \305 \304 \326 \366';

if($charsSWE =~ /([$SwedishLetters]+)/){
    print "Output: $1\n";
}

下面的方法不起作用，因为编码丢失了（这是代码部分的快速说明，但其概念是相同[例如打开文件，获取并输出]）：

open(FH, 'swedish.htm') or die("File could not be opened");

    while(<FH>)
    {
        my @List =  /([$SwedishLetters]+)/g;    
        message($List[0]) if @List;
    }

close(FH);

Answer 1

use Encode;

open FILE1, "<:encoding(UTF-8)", "swedish.htm" or die $!;

#do stuff

open FILE2, ">:encoding(UTF-8)", "output.htm" or die $!;

您可能需要使用不同的编码。