如何使用这个perl单行程序查找4位unicode字符？

我有一个unicode字符

ỗ


以UTF-8格式保存在记事本中的文件

我试过这句话

C:\blah>perl-wln-e/\x{1ed7}/并打印；“blah.txt

但它没有把它捡起来。如果文件中有一个类似“a”（unicode十六进制61）的字母，则
\x{61}
会将其拾取。但是对于4位unicode字符，我在提取字符时遇到问题。
您的脚本工作正常。问题是用于搜索的unicode。因为您的文件是utf-8，所以您的唯一搜索参数需要是E1、BB或97。检查下面的文件编码以及它如何更改搜索条件

 UTF-8 Encoding:    0xE1 0xBB 0x97
 UTF-16 Encoding:   0x1ED7
 UTF-32 Encoding:   0x00001ED7

资源
您使用
/\x{1ed7}/
的想法是正确的。问题是你的正则表达式想要匹配字符，但是你给了它字节。您需要告诉Perl在读取UTF-8字节时对其进行解码，然后在写入时将其编码为UTF-8：

perl -CiO -ne "/\x{1ed7}/ and print" blah.txt

C选项控制如何将Unicode语义应用于输入和输出文件句柄。因此，例如
-CO
（大写字母“o”表示“输出”）相当于在脚本开始之前添加以下内容：

binmode(STDOUT, ":utf8")

类似地，
-CI
相当于：

binmode(STDIN, ":utf8")

但在你的情况下，你没有使用标准输入法。相反，
-n
在代码周围环绕一个循环，用于打开命令行上列出的每个文件。因此，您可以改为使用
-Ci
将
'：utf8'
I/O层添加到Perl为输入打开的每个文件中。您可以将
-Ci
和
-CO
组合为：
-CiO
谢谢，是的，这很有效
perl-wln-e/\x{e1}\x{bb}\x{97}/并打印；“blah.txt
@barlop，通常，最好对输入进行解码，对输出进行编码：
perl-CSD-wlne“如果打印，请打印”blah.txt
您可能还必须将代码页更改为65001才能正确输出。我的CMD使用代码页437，所以输出看起来像这样╗ù

@HåkonHæchcp 65001和支持字符的字体，如courier new。我把cmd的特质放在一边！您是否已指示perl您有UTF8格式的输入文件？您可以通过运行

perl-n-E“say printf'%vX'，$"blah.txt

来显示perl实际读取的字符代码。检查输出是否匹配

\x{1ed7}

。您可能还需要检查CMD用于输出的代码页，并在输入文件句柄上添加UTF-8 IO层（例如

perl-Ci…

）和正确的输出IOlayer@HåkonHægland谢谢。如果我使用

xxd-p blah.txt

来显示其中的十六进制，那么我会得到

efbbbfe1bb97

。efbbbf是一种utf-8 bom。e1bb97是字符的utf-8编码。你知道为什么如果我说printf“%vX”，它会输出EF.BB.BF.E1.BB.971，也就是说，它最后会输出一个1吗？类似地，如果我有一个ascii文件，其中只有字母“z”（7a为十六进制），我使用xxd-PA.txt，它会显示7a。但是perl的那行代码是7A1（也就是说，它在末尾加了一个1）@barlop您如何运行

xxd

？在CMD提示符中，我得到

'xxd'不被识别为内部或外部命令

@HåkonHægland A）它随cygwin

C:\cygwin64\bin\xxd.exe

或

C:\cygwin\bin\xxd.exe

B）而来（不太为人所知！）它自VIM 7以来就随VIM而来<代码>C:\ProgramFiles（x86）\Vim\vim74\xxd.exe这里的

\Vim\vim82\xxd.exe

谢谢。因此，当阅读时告诉它您正在以UTF-8的形式阅读它，那么您用\x指定的东西就是UTF-32或UTF-16代码。。但是，如果不告诉它您正在读取UTF-8，那么您指定的字节本质上是UTF-8？！如果把输出放在一边，只看它是如何读取的，那么当我执行

perl-n-Ci-E“说printf'%vX'，$”blah.txt时，也就是说。。。。行来显示它正在读取的内容。。你是我的utf-8文件。小写字母i显示FEFF.1ED71（一个utf-16的东西，因为它的开头是一个utf-16 BOM）。大写字母I表示utf-8。因此，无论哪种方式，它似乎都能够毫无困惑地阅读它。而且，即使只是输入也可能涉及转换，例如使用小写字母i.@barlop Windows程序喜欢将BOM添加到utf-8编码的文件中。@barlop使用\x指定的东西是utf-32或utf-16代码。。。不，这是一个Unicode码点。Perl在内部使用utf-8，但这对用户来说是透明的。当源数据转换为内部格式时，您只需告诉Perl它使用的是什么编码。@Shawn好的，谢谢，我看到代码点与编码无关。就像一个由三部分组成的系统。代码点、编码和标志符号。