Perl cgi和XML ::代碼雙重編碼問題

我正在使用XML :: Code從通過CGI模塊接收的GET參數創建一些XML數據。網絡服務器是Apache加上字符集設置爲UTF-8和提交表單是在頁面上用Perl cgi和XML ::代碼雙重編碼問題

<!DOCTYPE html> 
<html lang="en-GB"> 
<head> 
<meta http-equiv="Content-Type" content="text/html; charset=utf-8">

報頭。該CGI看起來像這樣：

use CGI; 
use Encode; 
use XML::Code; 
binmode(STDOUT, ":utf8"); 
binmode(STDIN, ":utf8"); 

my $cgi = CGI->new(); 
print $cgi->header(-type => "text/xml", -charset => "utf-8"); 
my $object = $cgi->param("object"); 
$object = decode("utf-8", utf8::upgrade($object)); 

my $content = XML::Code->new("formdata"); 
$content->version ("1.0"); 
$content->encoding ("UTF-8"); 

my $sub_content = XML::Code->new("object"); 
$sub_content->set_text($object); 
$content->add_child($sub_content); 

$sub_content = XML::Code->new("isutf"); 
$sub_content->set_text(utf8::is_utf8($object)); 
$content->add_child($sub_content); 

print $content->code();

當調用與http://mydomain.com/cgi-bin/formdata.pl?object cgi的= O的輸出（從螢火蟲複製）是

<?xml version="1.0" encoding="UTF-8"?> 
<formdata> 
    <object>Ã¶</object> 
    <isutf>1</isutf> 
</formdata>

卸下binmode（STDOUT，「：UTF8」）從CGI給我什麼，我找

<?xml version="1.0" encoding="UTF-8"?> 
<formdata> 
    <object>ö</object> 
    <isutf>1</isutf> 
</formdata>

現在我知道如何解決這個問題，但我認爲一切都設置爲UTF-8的時候我會很安全。如果我不是這將意味着更多的測試。這是在perl庫或我的想法中的錯誤？

最佳，馬庫斯

來源

2012-10-07 Marcus

我認爲以下行：

$object = decode("utf-8", utf8::upgrade($object));

可能沒有幫助。在對字符串進行就地操作之後，utf8 :: upgrade returns a number of octets。如果您將其保留爲：

$object = decode("utf-8", $object);

那麼您可能會有更多可理解的行爲。

我想我已經想通了，一點多用這種簡短的腳本的幫助：

#! /usr/bin/perl -w 
use Encode; 
binmode(STDOUT, ":utf8"); 
my $string = "\x{C3}\x{B6}"; 
print "$string\n"; 
my $decoded = decode("UTF8", $string); 
print "$decoded\n";

的輸出是：

Ã¶ 
ö

因此，這裏是我相信發生了什麼。上面的$ string聲明是您從調用cgi-> param返回的內容，也就是說它是兩個字節，代表UTF-8中的ö。當腳本第一次打印它時，Perl沒有指示這是UTF-8，但知道它必須在打印之前先將其轉換（由於binmode）。

Perl的默認行爲是假設將被解釋爲字符串的八位字節流編碼爲Latin-1。因此，它需要第一個字節C3查找它在Latin-1中的內容，然後打印出等同於STDOUT的UTF-8。 B6一樣。您可以仔細檢查Wikipedia上的字節。

但是，解碼調用會將字節解釋爲UTF-8並創建一個由字符ö組成的新字符串。不要認爲字符串具有編碼;進出的字節需要編碼，但在你的程序中，一旦它們被正確解釋，那麼它們就是字符串。

現在，Perl已經解釋了這些字節並轉換爲使用任何內部編碼進行編碼的字符串，當您下一次打印出來時，它知道要將字符轉換爲UTF-8，並且您得到正確的輸出。

希望能夠幫助您調試CGI。

來源

2012-10-07 13:11:44 chooban

感謝您的快速響應！ – Marcus

Perl cgi和XML ::代碼雙重編碼問題

回答

相關問題