|
#
用傳統的 Unix 方式創建的簡單用戶界面
Unix 用戶非常熟悉基于文本的 UI 模型。設想有一個 Perl
程序，讓我們先看一下這個模型用于該程序的簡單實現。標準的 Getopt::Std
模塊簡化了命令行參數的解析。這個程序僅僅為了說明 Getopt::Std 模塊（沒有實際用途）。
請參閱本文后面的參考資料。
使用 Getopt::Std 的命令行開關
#!/usr/bin/perl -w
use strict; # always use strict, it's a good habit
use Getopt::Std; # see "perldoc Getopt::Std"
my %options;
getopts('f:hl', \%options); # read the options with getopts
# uncomment the following two lines to see what the options hash contains
#use Data::Dumper;
#print Dumper \%options;
$options{h} && usage(); # the -h switch
# use the -f switch, if it's given, or use a default configuration filename
my $config_file = $options{f} || 'first.conf';
print "Configuration file is $config_file\n";
# check for the -l switch
if ($options{l})
{
system('/bin/ls -l');
}
else
{
system('/bin/ls');
}
# print out the help and exit
sub usage
{
print <<EOHIPPUS;
first.pl [-l] [-h] [-f FILENAME]
Lists the files in the current directory, using either /bin/ls or
/bin/ls -l. The -f switch selects a different configuration file.
The -h switch prints this help.
EOHIPPUS
exit;
}
大家經常使用正則表達式的字符集從字符串中抽取或排除中文字符，但是這樣做
很費事，效果也并不是很理想。實際上Perl從5.6開始已經開始在內部使用utf8編碼
來表示字符，也就是說對中文以及其他語言字符的處理應該是完全沒有問題的。關鍵
在于目前使用的編輯器以及文件格式并不都能很好地支持utf8，委屈了Perl的強大能力。
實際上我們只需要利用好Encode這個模塊便能充分發揮Perl的utf8字符的優勢了。
????下面就以中文文本的處理為例進行說明（注意：編輯下面這段程序不能用使用utf8
編碼的編輯器），比如有一個字符串"測試文本"，我們想要把這個中文字符串拆成單個
字符，可以這樣寫：
use?Encode;
use?Encode::CN;?#可寫可不寫
$dat="測試文本";
$str=decode("gb2312",$dat);
@chars=split?//,$str;
foreach?$char?(@chars)?{
????????print?encode("gb2312",$char),"\n";
}
結果大家試一試就知道了，應該是令人滿意的。
????這里主要用到了Encode模塊的decode、encode函數。要了解這兩個函數的作用我們
需要清楚幾個概念：
1、Perl字符串是使用utf8編碼的，它由Unicode字符組成而不是單個字節，每個utf8編
碼的Unicode字符占1~4個字節（變長）。
2、進入或離開Perl處理環境（比如輸出到屏幕、讀入和保存文件等等）時不是直接使用
Perl字符串，而需要把Perl字符串轉換成字節流，轉換過程中使用何種編碼方式完全取決
于你（或者由Perl代勞）。一旦Perl字符串向字節流的編碼完成，字符的概念就不存在了
，變成了純粹的字節組合，如何解釋這些組合則是你自己的工作。
????我們可以看出如果想要Perl按照我們的字符概念來對待文本，文本數據就需要一直用
Perl字符串的形式存放。但是我們平時寫出的每個字符一般都被作為純ASCII字符保存（
包括在程序中明文寫出的字符串），也就是字節流的形式，這里就需要encode和decode函
數的幫助了。
????encode函數顧名思義是用來編碼Perl字符串的。它將Perl字符串中的字符用指定的編
碼格式編碼，最終轉化為字節流的形式，因此和Perl處理環境之外的事物打交道經常需要
它。其格式很簡單：
????????$octets?=?encode(ENCODING,?$string?[,?CHECK])
這里$string是Perl字符串，ENCODING是給定的編碼方式，$octets則是編碼之后的字節流
，CHECK表示轉換時如何處理畸變字符（也就是Perl認不出來的字符）。一般不需要使用
CHECK，讓Perl按默認規則處理即可。
????編碼方式視語言環境的不同有很大變化，默認可以識別utf8、ascii、ascii-ctrl、
iso-8859-1等，中文環境（CN）增加了euc-cn（gb2312與之等價）、cp936（gbk與之等價
）、hz等，還有日文環境（JP）、韓文（KR）等等，在此不一一盡數。
????decode函數則是用來解碼字節流的。它按照你給出的編碼格式解釋給定的字節流，將
其轉化為使用utf8編碼的Perl字符串，一般來說從終端或者文件取得的文本數據都應該用
decode轉換為Perl字符串的形式。它的格式為：
????????$string?=?decode(ENCODING,?$octets?[,?CHECK])
$string、ENCODING、$octets和CHECK的含義同上。
????現在就很容易理解上面寫的那段程序了。因為字符串是用明文寫出的，存放的時候已
經是字節流形式，喪失了本來的意義，所以首先就要用decode函數將其轉換為Perl字符串
，由于漢字一般都用gb2312格式編碼，這里decode也要使用gb2312編碼格式。轉換完成后
Perl對待字符的行為就和我們一樣了，平時對字符串進行操作的函數基本上都能正確對字
符進行處理，除了那些本來就把字符串當成一堆字節的函數（如vec、pack、unpack等）。
于是split就能把字符串切成單個字符了。最后由于在輸出的時候不能直接使用utf8編碼
的字符串，還需要將切割后的字符用encode函數編碼為gb2312格式的字節流，再用print
輸出。
????Encode模塊的初步應用大概就是這樣，詳細情況還是要參閱模塊的文檔。實際上如果
我們使用UltraEditor等等支持編輯utf8編碼文件的編輯器寫程序，基本上用不著Encode
模塊，在程序開頭加上一句use?utf8就行。這時Perl默認包括程序本身在內的所有的字符
都是Unicode字符，可以隨便使用Unicode范圍內的字符，甚至可以用非英文字符作為標識
符，只是輸出的時候可能還需要用Encode模塊。比如用UE的utf8編碼模式編輯這個程序：
????????use?utf8;
????????$單價=10;
????????$數量=100;
????????$總額=$單價*$數量;
????????print?"$總額\n";
可以在Perl?5.6以后的版本中正常運行并給出結果，是不是很爽？:)?這種模式最大的優點
就是在字符串中可以混合多種語言的文字，就算中日韓英加上阿拉伯字符都在一個字符串
中出現也沒問題；不像使用Encode模塊那樣必須固定一種編碼方式，中日韓英字符同時出
現還好辦，因為gbk包含了所有這些字符，可是再加上一些非亞洲語言字符就不一定能處
理了。所以以后用Unicode編碼應該是大勢所趨。
希望寫的這些能對大家有所幫助。
這是我的windows下的emacs： ???
 
在P e r l中，d i e函數可以用來在出現錯誤的時候停止解釋程序的運行，并輸出一條有意義的
出錯消息。正如你在前面已經看到的那樣，只要調用d i e函數，就能夠輸出類似下面的消息：
???died at scriptname line xxx
d i e函數也可以帶有一系列的參數，這些參數將取代默認消息而被輸出。如果消息的后面
沒有換行符，那么消息的結尾就附有at scriptname line xxx字樣：
???die "Cannot open";???#prints "Cannot open at scriptname scriptname line xxx"
P e r l中有一個特殊的變量$ !，它總是設置為系統需要的最后一個操作（比如磁盤輸入或輸
出）的出錯消息。當$ !用于數字上下文時，它返回一個錯誤號，這個號可能對任何人都沒有
什么用處。在字符串上下文中， $ !返回來自你的操作系統的相應的出錯消息：
???open(MYFILE, "myfile") || die "Cannot open myfile: $!\n";
不要使用$ !的值來檢查系統函數的運行是失敗還是成功。只有當系統執
行一項操作（比如文件輸入或輸出）之后， $ !才有意義，并且只有在該操作
運行失敗后， $ !才被設置。在其他時間中， $ !的值幾乎可以是任何東西，并
且是毫無意義的。
不過有時并不想使程序停止運行，只是想要發出一個警告。若要創建這樣的警告， P e r l有
一個w a r n函數可供使用。w a r n的運行方式與d i e完全一樣，你可以從下面這個代碼中看出來，不過差別是它的程序將保持運行狀態：
???if(! open(MYFILE, "output)) {
??????warn "cannot read output: $!";
???} else {
??????;???# Reading output...
???}
1.split函數 ???%seen = ( ); ???$string = "an apple a day"; ???foreach $char (split //, $string) { ???????$seen{$char}++; ???} 2./(.)/g 但是(.)永遠不會是newline ???%seen = ( ); ???$string = "an apple a day"; ???while ($string =~ /(.)/g) { ???????$seen{$1}++; ???} 3.unpack("C*")也可以逐個處理字符:(這個例子是累加字符串里每個字符ascii碼的累加值) ???$sum = 0; ???foreach $byteval (unpack("C*", $string)) { ???????$sum += $byteval; ???} ???print "sum is $sum\n"; ???# prints "1248" if $string was "an apple a day" $sum = unpack("%32C*", $string); #這個方法比上面更快,這個返回32位的checksum值. 4 .<>是默認的輸入流,其實就是ARGV. ?????這個模擬sysv的checksum程序: ???#!/usr/bin/perl
???# sum - compute 16-bit checksum of all input files
???$checksum = 0;
???while (<>) { $checksum += unpack("%16C*", $_) }
???$checksum %= (2 ** 16) - 1;
???print "$checksum\n";
???
???Here's an example of its use: ???% perl sum /etc/termcap
???1510
???If you have the GNU version of sum, you'll need to call it with the —sysv option to get the same answer on the same file.
???% sum --sysv /etc/termcap
???1510 851 /etc/termcap
一個詳細的例子：
#!/usr/bin/perl
# slowcat - emulate a s l o w line printer
# usage: slowcat [-DELAY] [files ...]
$DELAY = ($ARGV[0] =~ /^-([.\d]+)/) ? (shift, $1) : 1; #這里[.]取消了.的特殊性。使其為一般意義。shift移除了@ARGV第一個變量和長度減一。
$| = 1; #不為0就強行清空輸出或打印。
while (<>) { #<>為@ARGV指定的文件句柄
for (split(//)) {
print;
select(undef,undef,undef, 0.005 * $DELAY); #select函數設置屏幕輸出。這里是設置延遲。
}
}
下載 http://members.optusnet.com.au/puyo/ruby-mode.el
放入emacs/site-lisp目錄
在.emacs中添加:
??? (autoload 'ruby-mode "ruby-mode" "Major mode for editing ruby scripts." t)
??? (setq auto-mode-alist (cons '("\\.rb$" . ruby-mode) auto-mode-alist))
??? (setq interpreter-mode-alist (append '(("ruby" . ruby-mode)) interpreter-mode-alist))
??? (setq load-path (append load-path '("X")))
perlcn - 簡體中文 Perl 指南
歡迎來到 Perl 的天地!
從 5.8.0 版開始, Perl 具備了完善的 Unicode (統一碼) 支援,
也連帶支援了許多拉丁語系以外的編碼方式; CJK (中日韓) 便是其中的一部份.
Unicode 是國際性的標準, 試圖涵蓋世界上所有的字符: 西方世界, 東方世界,
以及兩者間的一切 (希臘文, 敘利亞文, 亞拉伯文, 希伯來文, 印度文,
印地安文, 等等). 它也容納了多種作業系統與平臺 (如 PC 及麥金塔).
Perl 本身以 Unicode 進行操作. 這表示 Perl 內部的字符串數據可用 Unicode
表示; Perl 的函式與算符 (例如正規表示式比對) 也能對 Unicode 進行操作.
在輸入及輸出時, 為了處理以 Unicode 之前的編碼方式存放的數據, Perl
提供了 Encode 這個模塊, 可以讓你輕易地讀取及寫入舊有的編碼數據.
Encode 延伸模塊支援下列簡體中文的編碼方式 ('gb2312' 表示 'euc-cn'):
euc-cn Unix 延伸字符集, 也就是俗稱的國標碼
gb2312-raw 未經處理的 (低比特) GB2312 字符表
gb12345 未經處理的中國用繁體中文編碼
iso-ir-165 GB2312 + GB6345 + GB8565 + 新增字符
cp936 字碼頁 936, 也可以用 'GBK' (擴充國標碼) 指明
hz 7 比特逸出式 GB2312 編碼
舉例來說, 將 EUC-CN 編碼的檔案轉成 Unicode, 祗需鍵入下列指令:
perl -Mencoding=euc-cn,STDOUT,utf8 -pe1 < file.euc-cn > file.utf8
Perl 也內附了 ``piconv'', 一支完全以 Perl 寫成的字符轉換工具程序, 用法如下:
piconv -f euc-cn -t utf8 < file.euc-cn > file.utf8
piconv -f utf8 -t euc-cn < file.utf8 > file.euc-cn
另外, 利用 encoding 模塊, 你可以輕易寫出以字符為單位的程序碼, 如下所示:
#!/usr/bin/env perl
# 啟動 euc-cn 字串解析; 標準輸出入及標準錯誤都設為 euc-cn 編碼
use encoding 'euc-cn', STDIN => 'euc-cn', STDOUT => 'euc-cn';
print length("駱駝"); # 2 (雙引號表示字符)
print length('駱駝'); # 4 (單引號表示字節)
print index("諄諄教誨", "蛔喚"); # -1 (不包含此子字符串)
print index('諄諄教誨', '蛔喚'); # 1 (從第二個字節開始)
在最后一列例子里, ``諄'' 的第二個字節與 ``諄'' 的第一個字節結合成 EUC-CN
碼的 ``蛔''; ``諄'' 的第二個字節則與 ``教'' 的第一個字節結合成 ``喚''.
這解決了以前 EUC-CN 碼比對處理上常見的問題.
如果需要更多的中文編碼, 可以從 CPAN (http://www.cpan.org/) 下載
Encode::HanExtra 模塊. 它目前提供下列編碼方式:
gb18030 擴充過的國標碼, 包含繁體中文
另外, Encode::HanConvert 模塊則提供了簡繁轉換用的兩種編碼:
big5-simp Big5 繁體中文與 Unicode 簡體中文互轉
gbk-trad GBK 簡體中文與 Unicode 繁體中文互轉
若想在 GBK 與 Big5 之間互轉, 請參考該模塊內附的 b2g.pl 與 g2b.pl 兩支程序,
或在程序內使用下列寫法:
use Encode::HanConvert;
$euc_cn = big5_to_gb($big5); # 從 Big5 轉為 GBK
$big5 = gb_to_big5($euc_cn); # 從 GBK 轉為 Big5
請參考 Perl 內附的大量說明文件 (不幸全是用英文寫的), 來學習更多關于
Perl 的知識, 以及 Unicode 的使用方式. 不過, 外部的資源相當豐富:
-
http://www.perl.com/
-
Perl 的首頁 (由歐萊禮公司維護)
-
http://www.cpan.org/
-
Perl 綜合典藏網 (Comprehensive Perl Archive Network)
-
http://lists.perl.org/
-
Perl 郵遞論壇一覽
-
http://www.oreilly.com.cn/html/perl.html
-
簡體中文版的歐萊禮 Perl 書藉
-
http://www.pm.org/groups/asia.shtml#China
-
中國 Perl 推廣組一覽
-
http://www.unicode.org/
-
Unicode 學術學會 (Unicode 標準的制定者)
-
http://www.cl.cam.ac.uk/%7Emgk25/unicode.html
-
Unix/Linux 上的 UTF-8 及 Unicode 答客問
the Encode manpage, the Encode::CN manpage, the encoding manpage, the perluniintro manpage, the perlunicode manpage
Jarkko Hietaniemi <jhi@iki.fi>
Autrijus Tang (唐宗漢) <autrijus@autrijus.org>
1.ord函數
??? $num = ord($char); #把字符轉換為整數
2.chr函數
??? $char = chr($num); #把整數轉換為字符
3.printf函數
??? printf("Number %d is character %c\n", 101, 101); #格式化輸出一個整數和字符.
??? printf "%vd\n", "fac\x{0327}ade";
??? ??? 102.97.99.807.97.100.101
??? printf "%vx\n", "fac\x{0327}ade";
??? ??? 66.61.63.327.61.64.65
???
??
4.unpack函數(C*把一個字符串轉換為byte數組)(U*是指定的unicode)
??? @ascii_character_numbers = unpack("C*", "sample");
??? print "@ascii_character_numbers\n";
??? ??? 115 97 109 112 108 101
5.pack函數(C*把一個byte數組轉換為一個字符串)
??? $word = pack("C*", @ascii_character_numbers);
??? $word = pack("C*", 115, 97, 109, 112, 108, 101); # same
print "$word\n";
??? ??? sample
1.使用||來建立默認值 ??? $foo = $bar || "DEFAULT VALUE"; #如果$bar沒有值的話就使用"DEFAULT VALUE"作為$foo的值. $dir = shift(@ARGV) || "/tmp"; #如果沒有參數,,就返回"/tmp".
$dir = defined($ARGV[0]) ? shift(@ARGV) : "/tmp";
2.shift函數:
移出第一個數組元素,并返回.
3.defined函數: ??? 判斷一個變量、數組或數組的一個元素是否已經被賦值。expr為變量名、數組名或一個數組元素。如果已定義，返回真，否則返回假。 4. if和unless ??? 注:if和unless意思相反! ?$a = $b if $a; ??? #如果$a為真$a賦值為$b ?$a = $b unless $a? #如果$a為假$a賦值為$b
1. 一旦我們讀出了一個記錄，通常打算去掉記錄分隔符，(缺省值為換行符字符)：
??? chomp($n = <STDIN>); 注: Perl 4.0版本僅有chop()操作，去掉串的最后一個字符, 不管該字符是什么。chomp() 沒有這么大的破壞性，如果有行分隔符存在，它僅去掉行分隔符。如果你打算去掉行分隔符，就用chomp() 來代替chop()。
2.q//和 qq//前面一個是加單引號,后面一個是加雙引號.匹配形式是 /regex/ 而直接運行命令是( $x=`cmd`). $string = q[Jon 'Maddog' Orwant]; # literal single quotes
$string = q{Jon 'Maddog' Orwant}; # literal single quotes
$string = q(Jon 'Maddog' Orwant); # literal single quotes
$string = q<Jon 'Maddog' Orwant>; # literal single quotes
3.特殊字符包括 "\n" (新行), "\033" (八進制數的字符33), "\cJ" (Ctrl-J), "\x1B" (十六進制的字符
0x1B).
4.直接輸入多行:
$a = <<"EOF"; #指明了EOF為結束符
This is a multiline here document
terminated by EOF on a line by itself
EOF
5.prinf函數
$char = chr(0x394);
$code = ord($char);
printf "char %s is code %d, %#04x\n", $char, $code, $code; # %#04x表示占四位十六進制數少的話用0補齊
charDis code 916, 0x394
6.substr函數 substr函數形式如下: ??? $value = substr($string, $offset, $count);
??? $value = substr($string, $offset);
??? ??? substr($string, $offset, $count) = $newstring;
??? substr($string, $offset, $count, $newstring); # 和前面一樣 ??? substr($string, $offset) = $newtail; ??? $string = "This is what you have"; ??? # you can test substrings with =~
??? if (substr($string, -10) =~ /pattern/) {
??? ??? print "Pattern matches in last 10 characters\n";
??? }
??? # substitute "at" for "is", restricted to first five characters
??? substr($string, 0, 5) =~ s/is/at/g; ??? # exchange the first and last letters in a string
$a = "make a hat";
??? ??? ??? (substr($a,0,1), substr($a,-1)) =
(substr($a,-1), substr($a,0,1));
??? print $a;
??? ??? take a ham
7.unpack函數 ??? # extract column with unpack
??? $a = "To be or not to be";
$b = unpack("x6 A6", $a);? # skip 6, grab 6
print $b;
??? ??? or not
|