Linux Blog

PERLTW

Section: Perl Programmers Reference Guide (1)
Updated: 2006-01-07
Index Return to Main Contents
 

NAME

perltw - 正體中文 Perl 指南  

DESCRIPTION

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 -Mencoding=big5,STDOUT,utf8 -pe1 < file.big5 > file.utf8

Perl 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, 利用 encoding 模組, 你可以輕易寫出以字符為單位的程式碼, 如下所示:

    #!/usr/bin/env perl
    # 啟動 big5 字串解析; 標準輸出入及標準錯誤都設為 big5 編碼
    use encoding 'big5', STDIN => 'big5', STDOUT => 'big5';
    print length("駱駝");            #  2 (雙引號表示字符)
    print length('駱駝');            #  4 (單引號表示位元組)
    print index("諄諄教誨", "彖帢"); # -1 (不包含此子字串)
    print index('諄諄教誨', '彖帢'); #  1 (從第二個位元組開始)

在最後一列例子裡, ``諄'' 的第二個位元組與 ``諄'' 的第一個位元組結合成 Big5 碼的 ``彖''; ``諄'' 的第二個位元組則與 ``教'' 的第一個位元組結合成 ``帢''. 這解決了以前 Big5 碼比對處理上常見的問題.  

額外的中文編碼

如果需要更多的中文編碼, 可以從 CPAN (<http://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

 

進一步的資訊

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:  

提供 Perl 資源的網址

<http://www.perl.com/>
Perl 的首頁 (由歐萊禮公司維護)
<http://www.cpan.org/>
Perl 綜合典藏網 (Comprehensive Perl Archive Network)
<http://lists.perl.org/>
Perl 郵遞論壇一覽
 

學習 Perl 的網址

<http://www.oreilly.com.tw/chinese/perl/index.html>
正體中文版的歐萊禮 Perl 書藉
<http://groups.google.com/groups?q=tw.bbs.comp.lang.perl>
臺灣 Perl 連線討論區 (也就是各大 BBS 的 Perl 連線版)
 

Perl 使用者集會

<http://www.pm.org/groups/asia.shtml#Taiwan>
臺灣 Perl 推廣組一覽
<http://irc.elixus.org/>
藝立協線上聊天室
 

Unicode 相關網址

<http://www.unicode.org/>
Unicode 學術學會 (Unicode 標準的制定者)
<http://www.cl.cam.ac.uk/%7Emgk25/unicode.html>
Unix/Linux 上的 UTF-8 及 Unicode 答客問
 

中文化資訊

為什麼叫 正體中文 不叫 繁體中文?
<http://www.csie.ntu.edu.tw/~b7506051/mozilla/faq.html#faqglossary>
中文化軟體聯盟
<http://www.cpatch.org/>
Linux 軟體中文化計劃
<http://www.linux.org.tw/CLDP/>
 

SEE ALSO

Encode, Encode::TW, encoding, perluniintro, perlunicode  

AUTHORS

Jarkko Hietaniemi <jhi@iki.fi>

Autrijus Tang (唐宗漢) <autrijus@autrijus.org>


 

Index

NAME
DESCRIPTION
額外的中文編碼
進一步的資訊
提供 Perl 資源的網址
學習 Perl 的網址
Perl 使用者集會
Unicode 相關網址
中文化資訊
SEE ALSO
AUTHORS




Random Man Pages:
md4
pnmtofiasco
sane-pint
semop