use utf8; my $var="测试啊"; print "OK1\n" if ($var=~/试/); printf "str: %s length: %d\n", $var, length($var); $var = `echo $var`; chomp($var); print "OK2\n" if ($var=~/试/); printf "str: %s length: %d\n", $var, length($var); |
结果：
debian:~# ./test.pl OK1 Wide character in print at ./test.pl line 11. str: 测试啊 length: 3 str: 测试啊 length: 9 |
可以看到输出内容虽然没有变，但是第一次$var是内在utf8的，而第二次内在格式则不是了。
求长度的结果是第一个三个字符，正确，第二次九个字符，说明内存格式占了９个字符(或者叫octet?搞不懂perl的名词了)，编码为utf-8。
这就会带来问题，导致regexp匹配不了。
事实上，我遇到的问题并不是通过IPC读来的字符串，而是直接opendir后由readdir得到的中文文件名。这样得到的也像第二次的$var一样，输出正确，但内在格式不对，导致脚本异常。
既然内存格式已经是utf-8编码了，那解决方案自然就是把９个字符变回三个，这是一个解码的过程。对perl不是很熟，但找了一下，还是找到了答案。只消加入一句即可：
$var = decode('utf8', $var); |