论坛徽章:: 0

电梯直达

1楼 [收藏(0)] [报告]

发表于 2008-04-09 22:10 |只看该作者 |倒序浏览

$tmp="中文";
print $tmp=~ m/形/;
结果等于1
使用encoding
use encoding 'cp936', STDIN => 'cp936', STDOUT => 'cp936';
结果就正常了.

如果不使用encoding,有没有好的方法解决这个问题呢.

文库|博客

cobrawgl

富足长乐

论坛徽章:: 0

2楼 [报告]

发表于 2008-04-09 22:18 |只看该作者

你那个是什么字，看起来怪怪的

实战分享：从技术角度谈机器学习入门| 【大话IT】RadonDB低门槛向MySQL集群下战书 | ChinaUnix打赏功能已上线！ | 新一代分布式关系型数据库RadonDB知多少？

chenyan1206

白手起家

论坛徽章:: 0

3楼 [报告]

发表于 2008-04-10 08:16 |只看该作者

回复 #2 cobrawgl 的帖子

"中文"中的"中"字的右编码,和"文"字的左编码,正好组成了"形"字.
在gbk编码中
"中"字的编码是:d6 d0
"文"字的编码是:ce c4

而d0 ce 是"形" 字的编码

实战分享：从技术角度谈机器学习入门| 【大话IT】RadonDB低门槛向MySQL集群下战书 | ChinaUnix打赏功能已上线！ | 新一代分布式关系型数据库RadonDB知多少？

chenyan1206

白手起家

论坛徽章:: 0

4楼 [报告]

发表于 2008-04-10 09:51 |只看该作者

系统的locale是GBK

# locale
LANG=zh_CN.GBK
LC_CTYPE="zh_CN.GBK"
LC_COLLATE="zh_CN.GBK"
LC_TIME="zh_CN.GBK"
LC_NUMERIC="zh_CN.GBK"
LC_MONETARY="zh_CN.GBK"
LC_MESSAGES="zh_CN.GBK"
LC_ALL=

实战分享：从技术角度谈机器学习入门| 【大话IT】RadonDB低门槛向MySQL集群下战书 | ChinaUnix打赏功能已上线！ | 新一代分布式关系型数据库RadonDB知多少？

net_robber

广告杀手

论坛徽章:: 0

5楼 [报告]

发表于 2008-04-10 09:53 |只看该作者

这个case应该比较让人激动，哈哈

实战分享：从技术角度谈机器学习入门| 【大话IT】RadonDB低门槛向MySQL集群下战书 | ChinaUnix打赏功能已上线！ | 新一代分布式关系型数据库RadonDB知多少？

chenyan1206

白手起家

论坛徽章:: 0

6楼 [报告]

发表于 2008-04-10 10:14 |只看该作者

找到两篇解决办法

http://bbs.chinaunix.net/viewthread.php?tid=100824
http://bbs.chinaunix.net/viewthread.php?tid=103329

方法1:
先用unpack將string編碼成hex的數字..
然後兩碼兩碼抓出來檢查....
找出GB2312中文字的起始與終止hex編碼為多少...
然後就知抓出來的編碼是不是中文字...
等全部中文字都抓出來了，再pack為中文...

方法2:
英文的可显示字符的ASCII码的范围是32<x<128, 而汉字是双字节编码，汉字编码的第一字节的ASCII是大于127的应用ord函数判断一个字符的ASCII 码如果大于127那它应该是汉字的第一字节这样连取两字节抛弃就行了

有没有更快更好的解决办法呢?

[ 本帖最后由 chenyan1206 于 2008-4-10 10:16 编辑 ]

实战分享：从技术角度谈机器学习入门| 【大话IT】RadonDB低门槛向MySQL集群下战书 | ChinaUnix打赏功能已上线！ | 新一代分布式关系型数据库RadonDB知多少？

返回列表

Chinaunix › 论坛 › 程序设计 › Perl › 中文双字节编码vs正则表达式

中文双字节编码vs正则表达式 [复制链接]

回复 #2 cobrawgl 的帖子

系统的locale是GBK

找到两篇解决办法

浏览过的版块