Perl HTML:：实体的意外行为

我是Perl的HTML:：Entities例程

decode_Entities（）

的新手 转换新闻媒体网站上的标题

这是一个很好的结果：

之前：

德克萨斯大陪审团澄清计划生育，起诉原告

之后：

德克萨斯大陪审团澄清计划生育，起诉原告

但这里有一个令人困惑的结果：

之前：

犹他州可能会发生重大变化’；中国的刑事司法系统

之后：

犹他州的刑事司法系统可能会发生重大变化

请注意，

’代码未转换为单个引号，
未解码为空格，与第一个示例不同

发生了什么？
第一个示例和第二个示例之间的区别在于，第一个示例不包含255以上的任何代码点，而第二个示例包含255以上的代码点。因此，第一个字符串可以根据系统的本机8位字符集显示（很可能是ISO 8859-1/拉丁语1），但第二个字符串不能。根据，其原因是“使用255以上的代码点意味着整个字符串使用Unicode”

因为现在字符串中有Unicode字符，所以需要正确编码文本以供输出，否则会看到“奇怪的字符”（就像示例中的字符一样！）。由于您没有提供，我不确定您的输出方法是什么，但是让我们假设
STDOUT
使事情变得简单。有两种不同的方法可以将文本编码为八位字节流：

手动，使用模块
自动，使用正确的I/O层
我更喜欢第二种选择，因为它不那么乏味。为此，我们只需调用
STDOUT
：

use strict;
use warnings;
use HTML::Entities;

my $str = 'Big changes could be coming to Utah’s criminal justice system';
my $decoded = decode_entities($str);

binmode(STDOUT, ':encoding(UTF-8)');
printf("%s\n%vx\n", $decoded, $decoded);

输出：

$ perl foo.pl
Big changes could be coming to Utah’s criminal justice system
42.69.67.20.63.68.61.6e.67.65.73.20.63.6f.75.6c.64.20.62.65.20.63.6f.6d.69.6e.67.20.74.6f.20.55.74.61.68.2019.73.20.63.72.69.6d.69.6e.61.6c.20.6a.75.73.74.69.63.65.a0.73.79.73.74.65.6d

您可以看到在字符
68
和
73
（分别为h和s）之间有一个
2019
（），在
65
和
73
之间也有一个
a0
（），即e和s

除了前面提到的参考，如果您有兴趣了解更多关于Perl如何处理Unicode和字符编码的信息，您还应该阅读（简短！）。
第一个示例和第二个示例之间的区别在于，第一个示例不包含255以上的任何代码点，而第二个示例包含255以上的代码点。因此，第一个字符串可以根据系统的本机8位字符集显示（很可能是ISO 8859-1/拉丁语1），但第二个字符串不能。根据，其原因是“使用255以上的代码点意味着整个字符串使用Unicode”

因为现在字符串中有Unicode字符，所以需要正确编码文本以供输出，否则会看到“奇怪的字符”（就像示例中的字符一样！）。由于您没有提供，我不确定您的输出方法是什么，但是让我们假设
STDOUT
使事情变得简单。有两种不同的方法可以将文本编码为八位字节流：

手动，使用模块
自动，使用正确的I/O层
我更喜欢第二种选择，因为它不那么乏味。为此，我们只需调用
STDOUT
：

use strict;
use warnings;
use HTML::Entities;

my $str = 'Big changes could be coming to Utah’s criminal justice system';
my $decoded = decode_entities($str);

binmode(STDOUT, ':encoding(UTF-8)');
printf("%s\n%vx\n", $decoded, $decoded);

输出：

$ perl foo.pl
Big changes could be coming to Utah’s criminal justice system
42.69.67.20.63.68.61.6e.67.65.73.20.63.6f.75.6c.64.20.62.65.20.63.6f.6d.69.6e.67.20.74.6f.20.55.74.61.68.2019.73.20.63.72.69.6d.69.6e.61.6c.20.6a.75.73.74.69.63.65.a0.73.79.73.74.65.6d

您可以看到在字符
68
和
73
（分别为h和s）之间有一个
2019
（），在
65
和
73
之间也有一个
a0
（），即e和s

除了前面提到的参考资料之外，如果您有兴趣进一步了解Perl如何处理Unicode和字符编码，还应该阅读（short！）