Perl和使用不同的編碼讀取文件

Question

我正在使用perl腳本來讀取文件，但我不知道該文件是什麼編碼。基本上，我的文件是書名的列表，但每本書都有與其相關的其他信息（作者，出版日期等）。所以每本書的標題都在本書的一個獨立的數據塊內。所以我通過逐行遍歷文件，直到我找到正則表達式'/Book Title: (.*)/'，並採取什麼樣的方式。然後，我創建一個單獨的.txt文件，文本文件的名稱是我的書。但是，在我的unix服務器中，當我查看文件的名稱時，實際上不是，例如，'LordOfTheFlies.txt'，而是'LordOfTheFlies^M.txt'

這是什麼'^ M'？這是一個奇怪的行編碼結束，我沒有考慮到？我嘗試chomp，但它似乎並沒有工作。使用perl的最佳文件編碼是什麼？

Answer 1

這是Windows系統在換行符之前插入的附加回車符（M == 13號字母，因此ASCII 13可視化爲^ M）。

它與文件編碼無關，它只是行結束策略咬你。 Perl通常擅長正確處理行尾字符，但如果它們發生在行尾以外的其他位置，則必須自行完成。您可以使用s/\ r //而不是chomp（）將它們取出。

Answer 2

在處理文件之前，您需要知道文件的編碼，文件的編碼由文件的製作者決定。
「^ M」是control-M，它是一個回車符，在Unix文件系統中不需要。
看起來這個文件是在Unix中創建並傳輸到Windows的。當文本文件作爲二進制文件傳輸時，它也可以用ftp添加。

Answer 3

嘗試砍，而不是'chomp'。 Chomp刪除了「新行字符」。 s/\ r //也很好。 對於您的一般問題，您可能希望使用適當的模塊作爲文件類型，使您的生活更輕鬆，更完善。