Perl 有关「；utf-8“-行为

“utf-8”是否以这种方式编码，将我的代码点自动固定到（第一个平面的）最后一个可互换的代码点

请参见文档的第页

总之，Perl有两种不同的UTF-8编码。它的本机编码称为

utf8

，基本上允许任何代码点，而不管Unicode标准如何描述该代码点

另一种编码称为

utf-8

（也称为

utf-8-strict

）。这只允许Unicode标准指定的代码点

根据Unicode，

\x{FFFF}

不是有效的码点。但是Perl的

utf8

编码并不关心这一点

默认情况下，

encode

函数用替换字符替换目标字符集中不存在的任何字符（请参阅）。对于

utf-8

，替换字符为，在utf-8中编码为11101111 10111111 10111101（二进制）。

根据Unicode，U+FFFF不是有效的代码点。当然是,；交换是违法的。这些是非常不同的事情。这个错误在最近的开发版本中已经修复，允许

perl-wE'say“\x{FFFF}”=~/^.$/| | 0”

生成1而不需要任何提示。

#!/usr/bin/env perl
use warnings;
use 5.012;
use Encode qw(encode);

no warnings qw(utf8);

my $c = "\x{ffff}";

my $utf_8 = encode( 'utf-8', $c );
my $utf8 = encode( 'utf8', $c );

say "utf-8 :  @{[ unpack '(B8)*', $utf_8 ]}";
say "utf8  :  @{[ unpack '(B8)*', $utf8 ]}";

# utf-8 :  11101111 10111111 10111101
# utf8  :  11101111 10111111 10111111