獨立於字符編碼的Perl中字符串的長度

Question

長度函數假定中文字符不止一個字符。如何確定獨立於字符編碼的Perl中字符串的長度（將中文字符視爲一個字符）？

Answer 1

length函數對字符進行操作，而不是字節（AKA字節）。字符的定義取決於編碼。漢字仍然是單個字符（如果編碼設置正確！），但是它們佔用了多於一個八位字節的空間。所以，Perl中字符串的長度取決於Perl認爲字符串所在的字符編碼;唯一與字符編碼無關的字符串長度是簡單的字節長度。

確保所討論的字符串被標記爲UTF-8並以UTF-8編碼。例如，這會產生3：

$ perl -e 'print length("長")' 

，而這會產生1：

$ perl -e 'use utf8; print length("長")' 

一樣：

$ perl -e 'use Encode; print length(Encode::decode("utf-8", "長"))' 

如果你從一個文件中獲取你的中國字，確保你在讀取或寫入文件之前，你的文件是binmode $fh, ':utf8';如果您從數據庫獲取數據，請確保數據庫以UTF-8格式返回字符串（或使用Encode爲您完成）。

我不認爲你必須擁有所有的UTF-8，你只需要確保字符串被標記爲具有正確的編碼。我會用UTF-8前後（甚至橫向），因爲這是Unicode的通用語言，如果你在任何地方使用它，它會使事情變得更容易。

如果您打算處理非ASCII數據，您可能需要花一些時間閱讀perlunicode手冊頁。