Perl 编码模块和倒逗号

我正在抓取一个网页，并从中提取一个特定的部分。该部分包括倒逗号（

”

，字符146）。我试图将提取的数据打印到一个文本文件中，但它给了我

€™而不是倒逗号。我尝试了以下方法：

use Data::Dumper;
local $Data::Dumper::Useqq = 1;
warn(Dumper($content));

utf8::decode($content) or die;


$content=~s/'/'/g

my$invComma=chr 146；
$content=~s/$invComma/'/g

$content=~s/\x{0092}/'/g


所有这些都不起作用。我不能
解码（'UTF-8'，$content）
，因为它有宽字符。当我尝试
encode（'UTF-8'，$content）
™更改为
Ù取而代之。我也尝试过使用utf8，但没有效果

我知道我的文本文件查看器可以显示反逗号，因为我将一个反逗号打印到测试文件并打开了它。因此，问题在我的脚本中

我做错了什么？我该如何修复它

更新：我能做
$content=~s/s€™/'/g
用一个简单的撇号来代替它，但我仍然不知道为什么没有其他东西可以工作。我还想要一个解决问题的方法，而不是仅仅解决一个症状

更新2：我被告知该字符实际上是
U+2019右单引号
，并将我的正则表达式更改为使用
chr 0x2019
，现在可以使用。
您尝试替换的字符在Windows-1252编码中仅为0x92/146。Perl使用Unicode，其中该字符是
U+2019右单引号
，又称
“\x{2019}”
，
chr（0x2019）
，或
chr（8217）
，首先找出
$content
包含的内容。您可以使用以下选项：

use Data::Dumper;
local $Data::Dumper::Useqq = 1;
warn(Dumper($content));

utf8::decode($content) or die;


如果您得到以下信息，
$content
将被解码

$VAR1 = "...\x{2019}...";

以下任何一项都可以

use utf8;  # Source code is encoded using UTF-8.
$content =~ s/’/'/g;





如果您得到以下信息，
$content
将使用UTF-8进行编码

$VAR1 = "...\342\200\231...";

首先，使用以下任一方法解码
$content
的值：

use Data::Dumper;
local $Data::Dumper::Useqq = 1;
warn(Dumper($content));

utf8::decode($content) or die;


然后使用解码内容的任何解决方案（如上）


如果您得到以下信息，
$content
将使用cp1252进行编码

$VAR1 = "...\222...";

首先解码
$content
的值

use Encode qw( decode );
$content = decode("cp1252", $content);

然后使用解码内容的任何解决方案（如上）


顺便说一下，
™
是
“
（
E2 80 99
）的UTF-8编码如果解码为cp1252时的样子。
问题不在我的脚本中，而是在我的编辑器中。剧本运作正常，而这个问题是基于虚假的借口。我在Windows上使用的是gVim，它不能很好地使用Unicode。我的脚本正确地解码了内容，但当我在gVim中打开输出文件时，它弄乱了文本并错误地显示出来。我尝试使用正则表达式更改字符失败，因为我使用了错误的代码点-不是0x92，而是0x2019。这是gVim的另一个失败。感谢并帮助我解决了这个问题。
无论您如何获取网页内容，这都是对编码的错误解释­-但您的问题中没有包含这部分代码。我使用的是LWP:：Simple的get（URL）方法。你会推荐什么呢？你确定倒逗号是146吗？我只是从你的OP中复制并粘贴到我的编辑器中，保存了它，做了
hextump-C
，得到了
e28099
@PerlDog没错，我甚至没有注意到。这个字符：
“
是右单引号，Unicode 0x2019。我见过术语“倒逗号”用来指某种引号，但它似乎不是常见用法（可能是英国特有的？）。没有Unicode定义的“倒逗号”字符。chr（146）是Unicode中的一个控制字符（“专用二号”）——尽管它在中是正确的单引号。所以我应该在网上寻找合适的Unicode代码点，并以这种方式进行替换？我可以在输入端使用编码模块吗？如果是，怎么做？@Lilith您不需要编码模块，您的输入已经被LWP正确解码（使用编码模块）。LWP:：Simple使用HTTP:：Response的
解码内容
方法。那么如何使脚本正确打印它呢？我使用IO:：All将输出文件标记为utf8，然后直接打印输出。它显示为“一欧元”™" 相反，我可以为这三个字符添加替换项（打开/关闭双引号和右单引号），但我宁愿解决问题，也不愿解决症状。@Lilith在《什么》中就是这样出现的？你是在用不支持unicode的东西打开输出文件吗？还是在做其他愚弄编码检测的事情？真的很难说，问题不在你想的地方。我在Windows上使用gVim，我想就是这样?