XML :: Twig如何keep_encoding工作？

上個世紀以前，我發現了一些在線的Perl，當它是一個單線時，它整齊地格式化了有效的XML（製表符和換行符）。代碼如下。XML :: Twig如何keep_encoding工作？

它使用XML :: Twig來做到這一點。它創建XML :: Twig對象而不是 keep_encoding（$twig = XML::Twig->new()），但是如果我給它一個非ASCII字符的UTF-8編碼的XML文件，它會生成一個文件，它是而不是有效的UTF-8到Ubuntu上的isutf8命令。打開xxd中的文件，我可以看到字符從2字節變爲1.

如果我使用我的$twig= XML::Twig->new(keep_encoding=>1);，相同的輸入會生成有效的UTF-8並保留兩個字節。

按照的Perldoc的keep_encoding

這是一個（略？）邪惡的選項：如果XML文檔不是UTF-8 編碼，要保持這種方式，然後設置keep_encoding 將對字符使用theExpat original_string方法，從而保留原始編碼以及字符串中的原始實體。

爲什麼在沒有該選項的情況下生成非UTF-8文檔，爲什麼設置它會導致保留UTF-8-ness？

順便說一句，非ASCII字符是一個不間斷的空格（c2 a0）。

use strict; 
use warnings; 
use XML::Twig; 
my $sXML = join "", (<>); 
my $params = [qw(none nsgmls nice indented record record_c)]; 
my $sPrettyFormat = $params->[3] || 'none'; 
my $twig = XML::Twig->new(); 
$twig->set_indent(" "x4); 
$twig->parse($sXML); 
$twig->set_pretty_print($sPrettyFormat); 
$sXML  = $twig->sprint; 
print $xXML;

來源

2013-10-30 matt freake

這裏實際上有兩件事：XML :: Twig生成什麼，然後保存在文件中。 XML :: Twig在perl的內存中產生$ sXML，但與將它保存在文件中無關。 –

謝謝@briandfoy。我會讓你現在回到掌握Perl :-) –

很難沒有你的數據進行測試，但我猜想，這是由於使用Perl打印文件作爲ISO-8859-1文件，因爲它沒有關於它的編碼的任何信息（其從XML :: Parser中獲取「raw」）。打印前請嘗試binmode STDOUT, ':utf8';。

另外，先讀取文件並將字符串傳遞給解析器可能不是一個好主意。使用parsefile（在文件名上）更安全。您可能會避免編碼問題。

來源

2013-10-30 18:08:56 mirod

謝謝，這工作。大多數時候我用Java編寫代碼，所以我忘記了Perl不默認UTF-8。 –

這是爲了向後兼容，如果Perl默認使用utf8打印時，它首先獲得unicode支持，它將破壞大量現有代碼。還有其他一些方法可以讓它默認輸出utf8，就像'-C'選項一樣。 – mirod

XML :: Twig如何keep_encoding工作？

回答

相關問題