【自己解决，写出来供新人参考】关于文件测试的一个陷阱——编码问题

死水站

缘由：
想筛选一个文件夹里包含的目录。

文件夹里的文件是这样的


用 grep -d之后，只能反馈出. .. 123 456到屏幕，汉字的文件夹被漏掉了。

代码是这样的

1. #! perl -w
   
2. #编码解码路径名称示例.pl
   
3. 
   
4. use 5.012;
   
5. use utf8;
   
6. use autodie;
   
7. use Encode; #文件名编码用
   
8. use open ":encoding(gbk)", ":std"; #其它编码用
   
9. 
   
10. opendir my $current_dh, './';
    
11. my @file_names = readdir $current_dh;
    
12. closedir $current_dh;
    
13. my @dir_names = map {encode('gbk' ,$_)} @file_names;
    
14. @dir_names = grep -d, @dir_names;
    
15. say “@dir_names”;
    
16. 
    
17. <>;

复制代码

当时想的是，-d是不是出什么问题了，要不就是grep又淘气了。

左思右想，-d，用来判断文件是不是目录，是的话返回真，不是返回假。其实，这还有第三种情况，被我忽略了——如果文件不存呢？

这么一想恍然大悟，-d没有返回哪两个汉字文件夹，倒不是说他们不是目录，返回假，而是压根就没找到！！！

也就是流程是这样的：grep把@dir_names里的元素依次提取出来，不是直接判断是否目录，而是把它代入win文件系统里，实地对照之后再判断；比如说碰到‘一二三’时，这些字符已经encode过了，变成了utf8编码，而win里面的‘一二三’还是ANIS编码，自然是找不到这个名称了！

所以说，要么先筛选再encode，要么筛选之前decode一下再放出去。

总结就是，系统什么时候默认unicode编码啊。。。

104359176

Unicode 编码也会有一样的问题吧，国家制定了 GBK 编码，台湾有 BIG5，国际学术组织制定了 UTF8. UNICODE, 除非统一中国，程序员当上主席。

死水站

我还以为unicode和utf8兼容呢，回复 2# 104359176


   

MMMIX

回复 3# 死水站


    UTF-8 只是 Unicode 可以采用的一种编码方式。Unicode 还包含一个字符集，字符属性，等等，同时也可以采用多种编码方式。