Perl 相同的代码，不同机器上关于UTF8字符的不同结果

我有以下代码：

use strict;
use warnings;
use utf8;
use HTML::Entities;
use feature 'say';

binmode STDOUT, ':encoding(utf-8)';

my $t1 = "Česká Spořitelna - Q3 2014";
my $t2 =  "Česká Spořitelna - Q3 2014";

say decode_entities($t1);
say decode_entities($t2);

在我的开发机器上执行时，输出：

Česká Spořitelna - Q3 2014
Česká Spořitelna - Q3 2014

Äeská SpoÅitelna - Q3 2014
Äeská SpoÅitelna - Q3 2014

在UAT机器上执行时（Aser验收测试），输出：

Česká Spořitelna - Q3 2014
Česká Spořitelna - Q3 2014

Äeská SpoÅitelna - Q3 2014
Äeská SpoÅitelna - Q3 2014

现在，在这两台机器上，当我运行

perl-v

时，我们看到的是为x86\u 64-linux-thread-multi-ld构建的Perl5，版本16，subversion 3（v5.16.3）

两台机器上的

HTML:：Entities

版本相同：

    Installed: 3.69
    CPAN:      3.69  up to date

LANG=en_US.UTF-8
LC_CTYPE="en_US.UTF-8"
LC_NUMERIC="en_US.UTF-8"
LC_TIME="en_US.UTF-8"
LC_COLLATE="en_US.UTF-8"
LC_MONETARY="en_US.UTF-8"
LC_MESSAGES="en_US.UTF-8"
LC_PAPER="en_US.UTF-8"
LC_NAME="en_US.UTF-8"
LC_ADDRESS="en_US.UTF-8"
LC_TELEPHONE="en_US.UTF-8"
LC_MEASUREMENT="en_US.UTF-8"
LC_IDENTIFICATION="en_US.UTF-8"
LC_ALL=

我的开发机器运行的是CentOS 5.8版（最终版），UAT机器运行的是Red Hat Enterprise Linux Server 5.8版（Tikanga）

EDIT（关于

locale

命令的输出） 两台机器上的输出相同：

    Installed: 3.69
    CPAN:      3.69  up to date

LANG=en_US.UTF-8
LC_CTYPE="en_US.UTF-8"
LC_NUMERIC="en_US.UTF-8"
LC_TIME="en_US.UTF-8"
LC_COLLATE="en_US.UTF-8"
LC_MONETARY="en_US.UTF-8"
LC_MESSAGES="en_US.UTF-8"
LC_PAPER="en_US.UTF-8"
LC_NAME="en_US.UTF-8"
LC_ADDRESS="en_US.UTF-8"
LC_TELEPHONE="en_US.UTF-8"
LC_MEASUREMENT="en_US.UTF-8"
LC_IDENTIFICATION="en_US.UTF-8"
LC_ALL=

更新：

我在facebook上发布了这个问题的链接，从中得到了一些非常有用的想法：比较两个系统上的输出字节。如果它们完全相同，那就是显示问题。他们是。现在，有不止一种方法可以做到这一点：

(一)

在两个系统上都显示

268:101:115:107:225:32:83:112:111:345:105:116:101:108:110:97:32:45:32:81:51:32:50:48:49:52

，因此字节是相同的

2） 将

$t1

和

$t2

输出打印到每个系统上的文件中，然后对这些文件运行

hextump-C

，并比较输出。此方法还表明文件的内容是相同的

结论

这是一个显示问题-控制台（油灰）无法正确显示字符。

---

当我们在数据库中添加这些字符时，我们遇到了这个问题，我想我设法用上面的代码将其隔离。您的回答（以及来自fb的一些回答）帮助我发现

解码实体（）

的工作方式与预期的一样，而我们的问题则存在于其他地方（最有可能是mysql表字符集或mysql连接）。

命令终端预期的编码不同。如果要打印UTF-8，必须将两个终端都设置为使用UTF-8，例如罗马尼亚语

LANG=ro_RO.UTF-8

以及设置

STDOUT

，以在Perl中以这种方式对输出进行编码，例如

binmode STDOUT, ':encoding(utf-8)'

---

更新

我可以解释发生了什么，尽管我不确定为什么会这样

取字符串的第一个字符：

“\x{010C}”

，它是大写的C字母。Perl将其编码为两个八位组代码

“\x{C4}\x{8C}”

，并发送到终端，终端在开发机器上对其进行解码并正确显示

然而，在您的测试机器上，终端正在解码编码字符的第一个八位字节-

C4

，就好像它是ISO-8859-1，大写字母a umlaut一样。忽略第二个八位字节-

8C

，因为它是该编码中的无效字符

---

因此，您需要更改终端正在使用的代码页。实现这一点的方法是如我所述设置

LANG

，但我无法解释如果您的区域设置正确，它为什么不起作用。

检查两台机器上

locale

命令的输出。终端预期的不是UTF-8，而是输出UTF-8。调整终端期望的编码或调整使用的编码，使它们匹配。您如何连接到这些机器？您是否对这两个应用程序使用相同的终端程序？它是否具有特定于每个主机的设置？检查shell如何接受utf8 i/o。e、 g.试着用

touchČeskáKočka

和

ls

。使用bash？尝试设置<代码>设置转换元关闭；打开输入元；将输出元设置为on我已根据您的建议更新了问题-您还有其他想法吗？您的终端几乎肯定已设置为ISO-8859-1。查看我的更新。查看使用

echo$LANG

将

LANG

设置为什么。在数据库中添加这些字符时会出现问题。我想我用上面的代码把它隔离了。你的回答（以及一些来自fb的回答）帮助我发现

解码实体（）

工作正常，问题（大概）与控制台（putty）有关@TudorConstantin:啊，你没有告诉我们putty的事！。它忽略了

LANG

的设置（毕竟，您没有在远程主机上运行PuTTY）。但一旦启动，您就会看到

PuTTY配置

，如果您选择窗口`/

Translation

，您可以选择

UTF-8

，问题就解决了。我希望你已经学会更好地解释你的问题了？没有人会猜到你坐在一个终端上，而这个终端并没有直接连接到你描述的两个系统。请写一个你自己的解决方案，并接受它，以将你的问题标记为已解决。嗯，正如我所说，我对正确显示字符不感兴趣。你的回答帮助我解决了这个问题，所以我接受你的回答。我更新了问题的细节，以供进一步参考：）