中文匹配的问题

sunzhiguolu

测试环境:Windows
编辑器:gvim 7.4
我的代码如下:

1. #!/usr/bin/perl
   
2. use strict;
   
3. use warnings;
   
4. use Encode qw /encode decode/;
   
5. 
   
6. my $contact1 = '330000L1C39403陈喆';
   
7. my $contact2 = '330000L1C40201霍继艳';
   
8. 
   
9. $contact1 = decode ('gb2312', $contact1);
   
10. my @aData = $contact1 =~ m/[a-z0-9]+|[\x{4E00}-\x{9FA5}]+/gi;
    
11. print encode ('gb2312', $_), "\n" for @aData;

复制代码

输出结果:
330000L1C39403
陈

我期望的输出结果是输出完整的姓名 陈喆
因为文档中涉及 1W+ 的记录, 文本格式为 gb2312. 请教下大家, 这种情况应该如何处理. 谢谢大家!

104359176

如果你的编辑器是 vim, 那么在编辑器中输入的中文，大概就是 utf8 编码的，如果你处理的是外部文件，读入的时候，最好使用对应的文件句柄解码形式, 和输出的文件句柄解码模式匹配。

1. use strict;
   
2. use warnings;
   
3. use 5.014;
   
4. 
   
5. # ==============脚本功能介绍===================
   
6. # 将文件按照两种编码转换成UTF8格式，用眼睛看哪种是正确的编码
   
7. # =========================================
   
8. 
   
9. use Encode;
   
10. use utf8;
    
11. my $file = "test.txt";
    
12. open(my $fh, '<', $file) or die $!;
    
13. while (my $line = <$fh>) {
    
14.         chomp $line;
    
15.         say "not touch";
    
16.         say {$fh} $line;
    
17.         my $decode_line = decode('gbk', $line);
    
18.         my $encode_line = encode('utf8', $decode_line);
    
19.         say "decode->gbk encode->utf8";
    
20.         say {$fh} $encode_line;
    
21.         $decode_line = decode('utf8', $line);
    
22.         $encode_line = encode('utf8', $decode_line);
    
23.         say "decode->utf8 encode->utf8";
    
24.         say {$fn} $encode_line;
    
25. }
    

复制代码

sunzhiguolu

回复 2# 104359176
可能我还是没有体会到大神的意思, 不过我的问题已经得到解决了. 代码如下:

1. #!/usr/bin/perl
   
2. use strict;
   
3. use warnings;
   
4. use Encode qw /encode decode/;
   
5. 
   
6. my $contact1 = '130203L1C39403陈喆';
   
7. my $contact2 = '130203L1C40201霍继艳';
   
8. 
   
9. $contact1 = decode ('cp936', $contact1);
   
10. my @aData = $contact1 =~ m/[a-z0-9]+|[\x{4E00}-\x{9FA5}]+/gi;
    
11. print encode ('cp936', $_), "\n" for @aData;

复制代码

我先把手头的工作弄下, 忙完后一定仔细的拜读大神提供的代码. 非常感谢大神指点!!!