Chinaunix

标题: XML::Simple 解析中文问题 [打印本页]

作者: lvlfforever 时间: 2009-11-18 14:11
标题: XML::Simple 解析中文问题

use XML::Simple;
use Data::Dumper;

my $str = '<xml><a>我的祖国</a></xml>';
my $xml = new XML::Simple;
my $t = XMLin($str);
print Dumper $t;

#结果：
$VAR1 = {
'a' => '锟揭碉拷锟斤拷锟斤拷'
};

请问如何处理？另外这是什么原因导致？我知道XML::Simple 默认用XML::SAX解析。
我系统是gb2312编码

作者: wxlfh 时间: 2009-11-18 14:38
我的感觉是你应该要告诉XML::Simple，你的XML文件是什么编码的。

作者: nsnake 时间: 2009-11-18 15:05
XML::Simple有编码属性选择，如果不会用用encode等模块自己转换也可以，只要2边的编码一样就不会有什么问题

作者: lvlfforever 时间: 2009-11-18 15:10
encode 怎么转？

XML::Simple有编码属性，请指教。

作者: hitsubunnu 时间: 2009-11-18 15:13
1.不乱码的原则是：

保持程序文件输入文件输出文件 3者统一

不统一的部分使用 use Encode 转换

2. 转码时注意宽字符用encode方法转换

作者: hitsubunnu 时间: 2009-11-18 15:14

原帖由 lvlfforever 于 2009-11-18 15:10 发表
encode 怎么转？

XML::Simple有编码属性，请指教。

use Encode；
# utf-8 => gb2312
$str =encode("gb2312",decode("utf-8",$str));

复制代码

作者: lvlfforever 时间: 2009-11-18 15:26

原帖由 hitsubunnu 于 2009-11-18 15:14 发表

use Encode；

# utf-8 => gb2312
$str =encode("gb2312",decode("utf-8",$str));

按照hitsubunnu 的做法：

use Encode;
use XML::Simple;
use Data::Dumper;
my $str = '<xml><a>我的祖国</a></xml>';
my $xml = new XML::Simple;
my $t = XMLin($str);
my $s = $t->{a};;
print "[$s]n";
my $sg =encode("gb2312",decode("utf-8",$s));
print "[$sg]n";

输出是一连串问号。我环境已经说了，请看楼顶。谢谢

作者: hitsubunnu 时间: 2009-11-18 15:29

原帖由 lvlfforever 于 2009-11-18 15:26 发表

按照hitsubunnu 的做法：

use Encode;
use XML::Simple;
use Data:umper;
my $str = '我的祖国';
my $xml = new XML::Simple;
my $t = XMLin($str);
my $s = $t->{a};;
print "[$s]n";
my ...

你认真读我写的这段话了吗？

不乱码的原则是：

保持程序文件输入文件输出文件 3者统一

不统一的部分使用 use Encode 转换

作者: lvlfforever 时间: 2009-11-18 15:34

原帖由 hitsubunnu 于 2009-11-18 15:29 发表

你认真读我写的这段话了吗？

不乱码的原则是：

保持程序文件输入文件输出文件 3者统一

不统一的部分使用 use Encode 转换

首先：没有输入文件。
程序文件也是gb2312跟系统编码一致。
不统一的部分使用 use Encode 转换:
“my $sg =encode("gb2312",decode("utf8",$s));”
请问是我理解错了么？

作者: lvlfforever 时间: 2009-11-18 15:35
另外输出文件就是屏幕，也跟系统一致。

作者: hitsubunnu 时间: 2009-11-18 15:39

原帖由 lvlfforever 于 2009-11-18 15:35 发表
另外输出文件就是屏幕，也跟系统一致。

全换成 utf8 试

作者: lvlfforever 时间: 2009-11-18 15:54

原帖由 hitsubunnu 于 2009-11-18 15:39 发表

全换成 utf8 试

不行。
问题的关键没有找到。继续求教吧。

作者: infernor 时间: 2009-11-18 15:59

原帖由 lvlfforever 于 2009-11-18 15:26 发表

按照hitsubunnu 的做法：

use Encode;
use XML::Simple;
use Data:umper;
my $str = '我的祖国';
my $xml = new XML::Simple;
my $t = XMLin($str);
my $s = $t->{a};;
print "[$s]n";
my ...

你把数据传入到XML::Simple之前，先转换成utf8。

作者: lvlfforever 时间: 2009-11-18 16:17

use strict;
use warnings;
use Encode ;
use XML::Simple;
use Data::Dumper;
my $str = '<xml><a>我的祖国</a></xml>';
###$str =~ s/([x{80}-x{FFFF}])/'&#' . ord($1) . ';'/gse;

my $xml = new XML::Simple;
my $t = XMLin($str);
my $s = $t->{a};;
print "[$s]n";

通过查询：http://perl-xml.sourceforge.net/faq/ 打开注释就可以解决了。
不知有没有更好的方法。

作者: nsnake 时间: 2009-11-19 13:00
我记错了XML::Simple没有这个属性，而是XML::Parser
open(FOO, 'xmlgenerator |');
$p3->parse(*FOO, ProtocolEncoding => 'ISO-8859-1');
close(FOO);
不乱码的问题别人也说过了，其实说的简单点:你解析的文件编码(gb2312),你代码文件保存的编码(gb2312),你控制台的编码(gb2312)，这三点统一才能保证你看到的不是乱码，看上去很简单，但实际上很多人很难理解，你用编辑器写代码，可能它默认会给你存为utf8的格式。
控制台的编码:如果你用的是DOS窗口，它默认就是gb2312，但如果是其它控制台，也许是拉丁字符也说不定
如果还有问题，那很简单了，换个模块试下，没必要吊死在一棵树上。
求问要有耐心，我们最多给你指个方向，但不可能带着你走

[ 本帖最后由 nsnake 于 2009-11-19 13:02 编辑 ]

作者: wxlfh 时间: 2009-11-19 14:13
楼上正解，控制台的编码其实是最关键的。输出到控制台的时候，编码一定要和控制台一致。

欢迎光临 Chinaunix (http://bbs.chinaunix.net/)