Regex 正则表达式和索引don'；不匹配unicode字符

我正在编写的库中的一个函数返回一个字符串，当试图通过正则表达式或

index

函数查找unicode字符时，该字符串会出现问题。字符串正常打印（使用Sublime text的控制台进行unicode打印），如下所示：

<xml>V日한ế</xml>

它正在打印字符“日" 在正则表达式中为

%x{65e5}

，问题字符串中的字符为

%x{e6}%x{97}

。其他unicode字符的打印方式也类似

---

有调试字符串和编码经验的人能告诉我为什么regex和

index

找不到我知道存在于字符串中的unicode字符，以及我如何让这些函数找到它们吗？

让我们制作一个可复制的测试用例：

生成输入文件：

$ perl -E'say "<xml>V\xe6\x97\xa5\xed\x95\x9c\xe1\xba\xbf</xml>"' >test.xml
$ cat test.xml
<xml>V日한ế</xml>

现在它匹配了，因为我们已经从文件中读取了正确解码的代码点

你得到了相同的输出吗？如果你没有得到类似的输出，你使用的是什么perl/OS组合（这是Ubuntu GNU/Linux上的perl 5.18.1）

这段代码还有一些遗留问题：有多种方式来表示

ế。因此，您应该规范化正则表达式中的字符串和输入：

use Unicode::Normalize 'NFC';
my $regex_body = NFC "V日한ế";
my $s          = NFC scalar <$fh>;

... m/\Q$regex_body/ ...

使用Unicode:：规范化“NFC”；
我的$regex_body=NFC“V日한ế";
my$s=NFC标量；
…m/\Q$regex\u body/。。。
看起来像您在utf16中的输入，将其解码为perl内部格式Halleujah，它工作了！我使用编码模块将字符串解码为
utf-8
，结果一切正常。字符串源于
XML:：LibXML:：Document:：toString
。
$ cat test.pl
use strict; use warnings; use utf8; use autodie; use feature 'say';
open my $fh, "<", shift @ARGV;

my $s = <$fh>;
say "$s ", $s =~ m/V日한ế/ ? "matches" : "doesn't match";
say "string = ", map { sprintf "\\x{%x}", ord } split //, $s;
$ perl test.pl test.xml
<xml>V日한ế</xml>
 doesn't match
string = \x{3c}\x{78}\x{6d}\x{6c}\x{3e}\x{56}\x{e6}\x{97}\x{a5}\x{ed}\x{95}\x{9c}\x{e1}\x{ba}\x{bf}\x{3c}\x{2f}\x{78}\x{6d}\x{6c}\x{3e}\x{a}

$ cat test-utf8.pl
use strict; use warnings; use utf8; use autodie; use feature 'say';
open my $fh, "<:utf8", shift @ARGV;

my $s = <$fh>;
say "$s ", $s =~ m/V日한ế/ ? "matches" : "doesn't match";
say "string = ", map { sprintf "\\x{%x}", ord } split //, $s;
$ perl test-utf8.pl test.xml
Wide character in say at test-utf8.pl line 5, <$_[...]> line 1.
<xml>V日한ế</xml>
 matches
string = \x{3c}\x{78}\x{6d}\x{6c}\x{3e}\x{56}\x{65e5}\x{d55c}\x{1ebf}\x{3c}\x{2f}\x{78}\x{6d}\x{6c}\x{3e}\x{a}

use Unicode::Normalize 'NFC';
my $regex_body = NFC "V日한ế";
my $s          = NFC scalar <$fh>;

... m/\Q$regex_body/ ...