Perl 如何避免在XML:：LibXML中使用双UTF-8编码

我的程序从数据源接收UTF-8编码的字符串。我需要篡改这些字符串，然后将它们作为XML结构的一部分输出。 当我序列化我的XML文档时，它将被双重编码，因此被破坏。当我只序列化根元素时，它会很好，但当然缺少头

下面是一段试图将问题可视化的代码：

use strict; use diagnostics;    use feature 'unicode_strings';
use utf8;   use v5.14;      use encoding::warnings;
binmode(STDOUT, ":encoding(UTF-8)");    use open qw( :encoding(UTF-8) :std );
use XML::LibXML

# Simulate actual data source with a UTF-8 encoded file containing '¿Üßıçñíïì'
open( IN, "<", "./input" ); my $string = <IN>; close( IN ); chomp( $string );
$string = "Value of '" . $string . "' has no meaning";

# create example XML document as <response><result>$string</result></response>
my $xml = XML::LibXML::Document->new( "1.0", "UTF-8" );
my $rsp = $xml->createElement( "response" );    $xml->setDocumentElement( $rsp );
$rsp->appendTextChild( "result", $string );

# Try to forward the resulting XML to a receiver. Using STDOUT here, but files/sockets etc. yield the same results
# This will not warn and be encoded correctly but lack the XML header
print( "Just the root document looks good: '" . $xml->documentElement->serialize() . "'\n" );
# This will include the header but wide chars are mangled
print( $xml->serialize() );
# This will even issue a warning from encoding::warnings
print( "The full document looks mangled: '" . $xml->serialize() . "'\n" );

使用严格；使用诊断；使用“unicode_字符串”功能；
使用utf8；使用v5.14；使用编码：：警告；
二进制模式（标准输出，“：编码（UTF-8）”；使用开放qw（：编码（UTF-8）：标准）；
使用XML:：LibXML
#使用包含“？”的UTF-8编码文件模拟实际数据源
open（在“中），因为XML文档是在不需要任何外部信息的情况下解析的，所以它们是二进制文件而不是文本文件

您告诉Perl对发送到STDOUT[1]的任何内容进行编码，然后继续向其输出XML文档。您不能对二进制文件应用字符编码，因为它会损坏它

替换

binmode(STDOUT, ":encoding(UTF-8)");

与

注意：这假设输出的其余文本只是临时调试信息。否则，输出没有意义


实际上，您可以这样做两次！一次使用
使用openqw（：encoding（UTF-8）：std）；
，然后第二次使用
binmode（STDOUT，“：encoding（UTF-8）”；
ikegami是正确的，但他没有真正解释问题所在。引用：

重要提示：与其他节点的toString不同，在文档节点上，此函数以文档原始编码中的字节字符串形式返回XML（请参见actualEncoding（）方法）

（
serialize
只是
toString
的别名）

当您将字节字符串打印到标有
：encoding
层的文件句柄时，它会像ISO-8859-1一样进行编码。因为您有一个包含UTF-8字节的字符串，所以它会进行双重编码

正如ikegami所说，使用
binmode（STDOUT）
从STDOUT中删除编码层。您也可以
在打印前将
序列化的结果解码成字符，但前提是文档使用的编码与您在输出文件句柄上设置的编码相同。（否则，您将发出一个实际编码与其标题声明不匹配的XML文档。）如果要打印到文件而不是标准输出，请使用
'>:raw'
打开它以避免双重编码。
注意，
使用openqw（：encoding（UTF-8）：std）；
已经执行
binmode（标准输出，：encoding（UTF-8）>）
@cjm，添加了一个解释。这似乎很准确，是的。事实上，知道这一点并不会让我的生活变得太容易，因为现在我需要弄清楚什么时候将输出通道切换到原始模式，什么时候再将其反转。但问题已经得到了回答，为此我非常感谢你。你为什么要混合文本和binary文件？不要期望奇怪的东西比正常的东西更容易。你确定输出一个可能错误的头比不输出头更好吗？整个问题只涉及同一应用程序的各个模块之间的通信。传入数据转换为UTF-8，传出数据编码为任何请求，但内部对于每个人来说都是UTF-8，没有例外。玩代码的时候，我发现立即再次解码XML比摆弄输出编码更容易。这正是我在文档中错过的要点，谢谢。所以我在输出通道中混用了二进制和字符串对象，这当然不起作用。我会尝试相应地修复我的代码。感谢您提示多重编码不会有损，这样我就可以编码两次，并且只解码多余的编码运行而不会损坏我的输出。他没有建议您进行双重编码或者这样做不会有损。（取决于编码是否有损。）他只是说出现了双重编码。他确实建议您可以进行编码-解码-编码，这可能会导致XML文档损坏（取决于编码是否会损坏）
binmode(STDOUT);