perltw - 正體中文 Perl 指南
歡迎來到 Perl 的天地!
從 5.8.0 版開始, Perl 具備了完善的 Unicode (萬國碼) 支援, 也連帶支援了許多拉丁語系以外的編碼方式; CJK (中日韓) 便是其中的一部份. Unicode 是國際性的標準, 試圖涵蓋世界上所有的字符: 西方世界, 東方世界, 以及兩者間的一切 (希臘文, 敘利亞文, 阿拉伯文, 希伯來文, 印度文, 印地安文, 等等). 它也容納了多種作業系統與平臺 (如 PC 及麥金塔).
Perl 本身以 Unicode 進行操作. 這表示 Perl 內部的字串資料可用 Unicode 表示; Perl 的函式與算符 (例如正規表示式比對) 也能對 Unicode 進行操作. 在輸入及輸出時, 為了處理以 Unicode 之前的編碼方式儲存的資料, Perl 提供了 Encode 這個模組, 可以讓你輕易地讀取及寫入舊有的編碼資料.
Encode 延伸模組支援下列正體中文的編碼方式 ('big5' 表示 'big5-eten'):
big5-eten Big5 編碼 (含倚天延伸字形)
big5-hkscs Big5 + 香港外字集, 2001 年版
cp950 字碼頁 950 (Big5 + 微軟添加的字符)舉例來說, 將 Big5 編碼的檔案轉成 Unicode, 祗需鍵入下列指令:
perl -MEncode -pe '$_= encode( utf8 => decode( big5 => $_ ) )' \
< file.big5 > file.utf8Perl 也內附了 "piconv", 一支完全以 Perl 寫成的字符轉換工具程式, 用法如下:
piconv -f big5 -t utf8 < file.big5 > file.utf8
piconv -f utf8 -t big5 < file.utf8 > file.big5另外，若程式碼本身以 utf8 編碼儲存，配合使用 utf8 模組，可讓程式碼中字串以及其運 算皆以字符為單位，而不以位元為單位，如下所示：
#!/usr/bin/env perl
use utf8;
print length("駱駝"); # 2 (不是 6)
print index("諄諄教誨", "教誨"); # 2 (從 0 起算第 2 個字符)如果需要更多的中文編碼, 可以從 CPAN (https://www.cpan.org/) 下載 Encode::HanExtra 模組. 它目前提供下列編碼方式:
cccii 1980 年文建會的中文資訊交換碼
euc-tw Unix 延伸字符集, 包含 CNS11643 平面 1-7
big5plus 中文數位化技術推廣基金會的 Big5+
big5ext 中文數位化技術推廣基金會的 Big5e另外, Encode::HanConvert 模組則提供了簡繁轉換用的兩種編碼:
big5-simp Big5 正體中文與 Unicode 簡體中文互轉
gbk-trad GBK 簡體中文與 Unicode 正體中文互轉若想在 GBK 與 Big5 之間互轉, 請參考該模組內附的 b2g.pl 與 g2b.pl 兩支程式, 或在程式內使用下列寫法:
use Encode::HanConvert;
$euc_cn = big5_to_gb($big5); # 從 Big5 轉為 GBK
$big5 = gb_to_big5($euc_cn); # 從 GBK 轉為 Big5請參考 Perl 內附的大量說明文件 (不幸全是用英文寫的), 來學習更多關於 Perl 的知識, 以及 Unicode 的使用方式. 不過, 外部的資源相當豐富:
Perl 的首頁
由 Perl 基金會所營運的文章輯錄
Perl 綜合典藏網 (Comprehensive Perl Archive Network)
Perl 郵遞論壇一覽
正體中文版的歐萊禮 Perl 書藉
臺灣 Perl 推廣組一覽
Perl.tw 線上聊天室
Unicode 學術學會 (Unicode 標準的制定者)
Unix/Linux 上的 UTF-8 及 Unicode 答客問
Encode, Encode::TW, perluniintro, perlunicode
Jarkko Hietaniemi <jhi@iki.fi>
Audrey Tang (唐鳳) <audreyt@audreyt.org>