Question

为什么会打印U而不是Ü？

#!/usr/bin/env perl
use warnings;
use 5.014;
use utf8;
binmode STDOUT, ':utf8';
use charnames qw(:full);

my $string = "\N{LATIN CAPITAL LETTER U}\N{COMBINING DIAERESIS}";

while ( $string =~ /(\X)/g ) {
        say $1;
}

# Output: U

Answer 1

您的代码是正确的。

你真的需要用数字来玩这些东西;不要相信“终端”显示的内容。通过the uniquote program管道，可能是-x或-v，看看它到底在做什么。

眼睛欺骗，节目更糟糕。你的终端程序有问题，所以对你撒谎。规范化无关紧要。

$ perl -CS -Mutf8 -MUnicode::Normalize -E 'say "crème brûlée"'
crème brûlée
$ perl -CS -Mutf8 -MUnicode::Normalize -E 'say "crème brûlée"' | uniquote -x
cr\x{E8}me br\x{FB}l\x{E9}e
$ perl -CS -Mutf8 -MUnicode::Normalize -E 'say NFD "crème brûlée"' 
crème brûlée
$ perl -CS -Mutf8 -MUnicode::Normalize -E 'say NFD "crème brûlée"' | uniquote -x
cre\x{300}me bru\x{302}le\x{301}e

$ perl -CS -Mutf8 -MUnicode::Normalize -E 'say NFC scalar reverse NFD "crème brûlée"' 
éel̂urb em̀erc
$ perl -CS -Mutf8 -MUnicode::Normalize -E 'say NFC scalar reverse NFD "crème brûlée")' | uniquote -x
\x{E9}el\x{302}urb em\x{300}erc
$ perl -CS -Mutf8 -MUnicode::Normalize -E 'say scalar reverse NFD "crème brûlée"'
éel̂urb em̀erc
$ perl -CS -Mutf8 -MUnicode::Normalize -E 'say scalar reverse NFD "crème brûlée"' | uniquote -x
e\x{301}el\x{302}urb em\x{300}erc

Answer 2

这适用于我，虽然我在ubuntu上有一个旧版本的perl 5.012。我对您的脚本的唯一更改是：use 5.012;

$ perl so.pl 
Ü

Answer 3

我可以建议输出不正确吗？这很容易检查：用以下代码替换你的循环代码：

my $counter;
while ( $string =~ /(\X)/g ) {
  say ++$counter, ': ', $1;
}

...并查看正则表达式匹配的次数。我的猜测它仍然只会匹配一次。

或者，您可以使用此代码：

use Encode;
sub codepoint_hex {
    sprintf "%04x", ord Encode::decode("UTF-8", shift);
}

...然后在while循环中打印codepoint_hex（$ 1）而不是普通的$ 1。

Answer 4

1）显然，您的终端无法显示扩展字符。在我的终端上，它打印出来：

U¨

2） \X没有按照您的想法行事。它只选择一起出现的角色。如果您使用字符串"fu\N{COMBINING DIAERESIS}r"，程序将显示：

f
u¨
r

请注意，变音符号不是单独打印，而是以其相应的字符打印。

3）要将所有相关字符合并为一个，请使用模块Unicode::Normalize：

use Unicode::Normalize;

my $string = "fu\N{COMBINING DIAERESIS}r";
$string = NFC($string);

while ( $string =~ /(\X)/g ) {
    say $1;
}

显示：

f
ü
r

获得字素的正确方法是什么？

4 个答案: