代码之家 › 专栏 › 技术社区 › U. Windl

printf与度数(°)字符对齐问题

printf character-encoding utf-8 perl

U. Windl · 技术社区 · 7 年前

我有一个类似的问题 How can I properly align UTF-8 strings with Perl's printf? 以下内容:

我的(Linux)系统的区域设置默认为 LC_CTYPE=de_DE.UTF-8 我编写了一个Perl程序(使用Perl-5.26.1),它使用的不是Unicode字符,而是一些来自iso拉丁-1字符集(即 Â° 例如)。因此,我没有激活Perl脚本中的任何Unicode或区域设置功能。

“一切”似乎都可以用一个排他性的理由来解决:我用的是 printf 格式 %-10s 对齐字符串,但不能按预期工作。

在调试器中播放时,我发现了以下行为:

  DB<1> $s='XÂ°X'

  DB<2> printf("_%3s_\n", $s)
_XÂ°X_

到目前为止看起来还行…

  DB<3> printf("_%4s_\n", $s)
_XÂ°X_

哎呀,不是吗 "_ XÂ°X_" 是吗?

  DB<4> printf("_%5s_\n", $s)
_ XÂ°X_

一个接一个?

  DB<5> x length($s)
0  4

不是吗 3 是吗?

  DB<8> x ord($s[1])
0  0
  DB<9> x $s
0  'XÂ°X'
  DB<10>

不应该 _ 编码为一个字节?我认为UTF-8将拉丁-1范围映射为Unicode。

所以五月的问题是:

发生什么事?
它是Perl错误吗?
如果没有,如何修复格式和字符串长度?

2 回复 | 直到 7 年前

Keith Thompson 7 年前

UTF-8只将ASCII范围(0..127)映射到1字节。拉丁-1字符在0..255;utf-8范围内不能将它们全部映射到一个字节。如果这样做了,就不会有其他映射了。

0到127之间的字符以1字节编码。
128到2047之间的字符以2个字节编码。
等等。

https://en.wikipedia.org/wiki/UTF-8

你需要 use utf8; 和 binmode STDOUT, ':encoding(UTF-8)'; 在Perl脚本中 STDIN 和 STDERR 只是为了保持一致性):

#!/usr/bin/perl

use strict;
use warnings;
use utf8;

BEGIN {
    binmode STDIN,  ':encoding(UTF-8)';
    binmode STDOUT, ':encoding(UTF-8)';
    binmode STDERR, ':encoding(UTF-8)';
}

printf "|%-10s|\n", "x";
printf "|%-10s|\n", "Â°";

输出正确对齐:

|x         |
|Â°         |

如果我也评论的话 使用UTF8; 或 binmode stdout,“:编码(utf-8)”; ,输出未对齐和/或度数字符显示不正确。

报价 perldoc utf8 (文件 utf8 模块):

“的” use utf8 “pragma告诉Perl解析器允许在当前词汇范围中的程序文本。

(这需要配置为显示UTF-8的输出设备或终端仿真器。)

ikegami Gilles Quénot 7 年前

Perl代码必须使用ASCII编码( no utf8; ,默认值)或utf-8( use utf8; )。

Â° 不在ASCII字符集中,而且您显然没有 使用UTF8; 或者,所以你的程序不可能包含 度 如你所说。

首先,使用utf-8编码程序(如果还没有),并通过添加

use utf8;   # The source code is encoded using UTF-8.

其次,显然您也没有告诉Perl对您打印的内容进行编码。通过添加

use open ':std', ':encoding(UTF-8)';   # The terminal provides/expects UTF-8.

后者为在pragma范围内打开的文件设置默认编码。如果要避免这种情况,可以改用以下方法:

BEGIN {   # The terminal provides/expects UTF-8.
   binmode(STDIN,  ':encoding(UTF-8)');
   binmode(STDOUT, ':encoding(UTF-8)');
   binmode(STDERR, ':encoding(UTF-8)');
}