[SP-pm] trabalhando com UTF-8 e ISO-8859-1 simultaneamente

[Stanislaw Pusep]

Tenho certeza de que o assunto foi levantado várias vezes na lista, então,
ATENÇÃO: o Perl tem excelentes mecanismos para tratar I/O em diversas
codificações da maneira mais prática possível. Por exemplo, dá para pegar
arquivo em ISO-8859-1 do STDIN e jogar para STDOUT em UTF-8, isso é canja de
galinha. Sempre que abre um handle, é só especificar o que tem dentro que...
Aí que está o MEU problema: nunca sei de antemão o que tem dentro :P
A solução mais viável que encontrei até agora foi:

        my $buf;

        eval {
                open(TXT, '<', $file) or die "impossivel abrir $file: $!";

                binmode TXT, ':bytes';
                local $/ = undef;

                $buf = <TXT>;
                close TXT;

        };

        my $iconv = new Text::Iconv(detect_utf8($buf) ? 'utf-8' :
'iso-8859-1', 'utf-8');

        $buf = $iconv->convert($buf);

        Encode::_utf8_on($buf);

Explicando: abro o arquivo do jeito "cru", sem nenhuma codificação. Carrego
o conteúdo no buffer. Aí uso Text::Iconv para converter a codificação.
Detalhe importantíssimo: mesmo que os dados já estejam em UTF-8, ainda assim
precisa aplicar o Text::Iconv. E ainda não acabou: Perl não reconhece o
buffer como algo que tenha codificação UTF-8 até que eu force o flag UTF-8.
Pronto! Depois disso tudo, $buf é um autêntico UTF-8. Posso dar uc() que "ã"
vira "Ã", e /\w/ pega os acentos também.
Aqui está o código completo: http://tinypaste.com/c3680
A pergunta é: existe alguma maneira menos ineficiente de se fazer isto?

ABS()
-------------- Pr�xima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://mail.pm.org/pipermail/saopaulo-pm/attachments/20101018/ce919b0f/attachment.html>