Perl Encode:：Guess:Guess_编码在不同的上下文中给出不同的结果

我有一个打开文本文件并尝试确保其编码是UTF-8、ISO-8859-15或ASCII之一的子文件

我对它的问题是交互和非交互使用中的不同行为

• 当我与包含UTF-8行的文件交互运行时，

  $decoder

  是一个引用对象，其

  name

  为该行返回utf8

• 非交互方式（作为subversion提交钩子的一部分运行）

  guess\u encoding

  为

  utf8

  检查行返回一个标量字符串值

  utf8或iso-8859-15

  ，并为其他两行返回

  iso-8859-15或utf8

为了我的生命，我无法找出行为上的差异是从哪里来的。如果我强制

打开的编码

说出

名称；
}否则{
说“在第$line:[$\行]上错误识别编码“$decoder”；
my$z=解包（'H*'，$）；
比如说$z；
$encoding=$decoder；
$retval=0；
}
最后一个if（$retval==0）；
}
近灰岩；
返回$retval；
}

无需猜测。对于UTF-8、ISO-8859-1和US-ASCII的特定选项，可以使用的是。是的

也就是说，我认为在OP中使用ISO-8859-1是对ISO-8859-15的一种拼写错误

fix_latin

使用的方法对ISO-8859-15和ISO-8859-1同样有效。这只是将

\u init\u byte\u map

替换为以下内容的问题：

sub _init_byte_map {
    foreach my $i (0x80..0xFF) {
        my $byte = chr($i);
        my $utf8 = Encode::from_to($byte, 'iso-8859-15', 'UTF-8');
        $byte_map->{$byte} = $utf8;
    }
}

或者，如果您愿意假设数据都是一种或另一种编码（而不是混合编码），也可以使用以下方法：

my $text;
if (!eval {
   $text = decode("UTF-8", $bytes, Encode::FB_CROAK|Encode::LEAVE_SRC);
   1  # No exception
}) {
   $text = decode("ISO-8859-15", $bytes);
}

---

请记住，US-ASCII是UTF-8和ISO-8859-15的适当子集，因此不需要专门处理。

我以为您应该输入Encode：：猜测整个数据集（文件）以获得最准确的结果？对我来说，你似乎在试图分别猜测每一行的编码。即使对于UTF-8文件，有些行可能没有字节组合使它看起来像UTF-8，所以对于这些行，猜测也将考虑ASCII或ISO-88 5915。我也认为您应该使用“代码>从已知的知识视角，ISO-88 59-1＝是。没有字节值或值序列与ISO-8859-1不兼容。等等，在一个地方你说的是

ISO-8859-1

，但在其他地方你说的是

-15

。

-1

是打字错误吗？大家好，谢谢大家的评论-对整个文件进行了修改，并给出了猜测编码（）。然而，核心问题仍然存在：当以交互方式运行时，

$decoder

最终成为参考类型，当通过SVN钩子以非交互方式运行时，

$decoder

最终成为标量。我想了解为什么这应该有所不同？补充到答案中。嗨，说到底，我不想做

解码

，但如果这是检测编码最可靠的方法，我会用它来运行（预期的行为是在不可接受的编码上抛出错误，而不是在编码之间转换）。我主要关心的是在不同的上下文中（即交互与非交互）guess_编码的不同行为。

my $text;
if (!eval {
   $text = decode("UTF-8", $bytes, Encode::FB_CROAK|Encode::LEAVE_SRC);
   1  # No exception
}) {
   $text = decode("ISO-8859-15", $bytes);
}