[Moscow.pm] кодировка в Perl почему все это так странно работает?

[Andrey Asyakin]

до вызова decode Перл рассматривает эту строку, которая пришла извне, 
как набор октетов, то есть символ в ней занимает байт и <=255, и 
работает с ней соответствующим образом;
после decode(...) - как Unicode-строку, состоящую из символов, символ 
может занимать больше 1 байта и быть > 255.

т.е. \320\277\ - это \x{43f} = 'п', pack "C*", oct(320), oct(277)



22.09.2014 01:28, Nikolay Mishin пишет:
> Привет, MoscowPM,
> тут родился вопрос под win7 (юникс могут быть теже странности, не проверял)
>
> #!/usr/bin/env perl
> use utf8;
> use Modern::Perl;
> use Encode::Locale;
> use Encode qw( decode encode from_to);
> use Text::Iconv;
> use Encode::Detect::Detector;
> use Data::Dumper qw( Dumper );
>
>   
> if (-t)
> {
>      binmode(STDIN, ":encoding(console_in)");
> 	binmode(STDOUT, ":encoding(console_out)");
> 	binmode(STDERR, ":encoding(console_out)");
> }
>
> my $lang = shift or die "Usage: $0 What_is_your_language?\n";
> my_dump('lang_01',$lang);
> my $converter = Text::Iconv->new( "cp1251", "utf-8");
> $lang = $converter->convert($lang);
> my_dump('lang_02',$lang);
> $lang = Encode::decode("utf8",$lang);
> my_dump('lang_03',$lang);
> my_dump('lang_04_перл',qq{перл});
>
>   $lang =~ /(perl|перл) (?{print "use Perl or die!!\nИспользуй Перл или умри!!";}) /ix;#русский не мачится, почему?
>   
>   sub my_dump
>   {
>   my ($name,$var)=@_;
>   local $Data::Dumper::Useqq = 1;
>   local $Data::Dumper::Indent = 0;
>   local $Data::Dumper::Terse = 1;
>   print(Encode::Detect::Detector::detect(qq{$lang})." ".qq{\$$name }." dump=".Dumper($var)."\n");
>   }
>
> этот же код на гитхабе
> https://github.com/mishin/presentation/blob/master/100_regex_4_moscow_pm.pl
>
> моя задача была, чтобы скрипт
> perl 100_regex_4_moscow_pm.pl перл
> читая из консоли слово "перл" находил его в регексе внутри скрипта
>
> вопросы:
> 1) почему, если в консоле
> perl -MEncode::Detect::Detector -E "say Encode::Detect::Detector::detect(qq{перл})"
> у меня кодировка ISO-8859-7
> my $converter = Text::Iconv->new( "cp1251", "utf-8");
> Text::Iconv ее проглатывает как  cp1251 (причем ISO там не проходит) ?
>
> 2)что происходит со строкой здесь
> UTF-8 $lang_02  dump="\320\277\320\265\321\200\320\273"
> $lang = Encode::decode("utf8",$lang);
> UTF-8 $lang_03  dump="\x{43f}\x{435}\x{440}\x{43b}"
> --что такое делает decode?
> я так понимаю - он починивает utf8, но что конкретно
>
> спасибо, хорошей недели!!
>
>