如何在HTML中使用Perl轉換字符「％xx」

我打算從一個包含許多以「％xx」形式表示的unicode字符的網頁中提取內容。正如我使用Perl模塊LWP來獲取網頁，自然使用Perl Regex處理這些unicode字符如下。如何在HTML中使用Perl轉換字符「％xx」

my $html = "%20%26%40 "; 
$html =~ s#%([0-9a-f]+)#\x{\1}#ig; 
print "$html\n";

但上面的代碼不工作，它只輸出「00」。現在卡住... 任何提示將不勝感激。

感謝，葉

2012-08-27 thinkhy

這是URI編碼，不是Unicode。 – Spudley

你確定'[0-9a-f] +'是否是正確的表達方式？每個令牌的URI編碼將始終有2個十六進制數字。所以'％2012'應該顯示爲'「12」'，而不是'\ x {2012}'。 – mob

剛纔，添加了標籤URI。 – thinkhy

Perl有內置的URI::Escape模塊中本已功能。你並不需要亂用正則表達式

use URI::Escape; 
my $encode = uri_unescape($string);

2012-08-27 14:56:40 Spudley

-1。我沒有看到這會有用。在對組件使用'uri_unescape'之前，你需要解析url - 你不能在整個url上使用'uri_unescape' - URL解析器應該爲你隱藏組件。 OP顯然不寫URL解析器（因爲他認爲他在處理HTML），所以你的建議會給出不正確的結果。 – ikegami

-1

滑稽和醜陋的代碼見this page：

my $html = "%20%26%40 "; 
$html =~ s#%([0-9a-f]{2})#"chr(0x$1)"#igee; 
print "$html\n";

編輯：（我有義務說）這個代碼是也許可愛，但不要在生產中使用此！（有許多情況下，它不工作）

2012-08-27 14:57:23

更難看，也更規範：'s＃...＃chr hex $ 1＃ige' – mob

是的，但我忍不住要使用'/ ee' regexp屬性：p –

無論如何，它們都可以工作。首先讓代碼可行，然後讓代碼變得美麗:-)謝謝。 – thinkhy

你需要一個可執行替代

$html =~ s/%([0-9a-f]+)/chr hex $1/ieg;

但最好是使用URI::Escape模塊，這是伊斯勒阿斯優秀LWP套件的一部分

2012-08-27 15:05:12 Borodin

首先，這與HTML無關。 URI使用該轉義機制。

看起來很奇怪，你必須這樣做。這通常需要撤消編碼的唯一事情是接收參數的CGI腳本，在這種情況下，所有你需要的是

use CGI; 
my $cgi = CGI->new(); 
my $foo = $cgi->param('foo');

但是，假設你需要做自己的URI的解析。你可以使用：

use URI; 
my %form = URI->new($url)->query_form(); 
my $foo = $form{'foo'};

2012-08-27 15:46:50 ikegami

回答