perl - 如何在 Perl 中找到 Unicode 字符串的长度？

Question

perldoc专页 length()告诉我应该使用 bytes::length(EXPR)以字节为单位查找 Unicode 字符串，或和 bytes页面呼应了这一点。

use bytes;
$ascii = 'Lorem ipsum dolor sit amet';
$unicode = 'Lørëm ípsüm dölör sît åmét';

print "ASCII: " . length($ascii) . "\n";
print "ASCII bytes: " . bytes::length($ascii) . "\n";
print "Unicode: " . length($unicode) . "\n";
print "Unicode bytes: " . bytes::length($unicode) . "\n";

但是，此脚本的输出与联机帮助页不一致:

ASCII: 26
ASCII bytes: 26
Unicode: 35
Unicode bytes: 35

在我看来，对于 ASCII 和 Unicode 字符串，length() 和 bytes::length() 返回相同的值。我将我的编辑器设置为默认以 UTF-8 格式写入文件，所以我认为 Perl 正在将整个脚本解释为 Unicode——这是否意味着 length() 会自动正确处理 Unicode 字符串？

编辑:看我的评论；我的问题没有多大意义，因为 length() 在上面的例子中没有“正常”工作——它以字节而不是字符显示了 Unicode 字符串的长度。我最初偶然发现的原因是我需要在 HTTP 消息中设置 Content-Lenth header (以字节为单位)的程序。我已经阅读了 Perl 中的 Unicode 并期望必须做一些幻想才能使事情正常工作，但是当 length() 返回我所需要的东西时，我很困惑!有关 use utf8 的概述，请参阅已接受的答案, use bytes , 和 no bytes在 Perl 中。

Answer 1

如果您的脚本以 UTF-8 编码，请使用 utf8 pragma . bytes pragma另一方面，即使字符串是 UTF-8，也会对长度强制字节语义。两者都在当前词法范围内工作。

$ascii = 'Lorem ipsum dolor sit amet';
{
    use utf8;
    $unicode = 'Lørëm ípsüm dölör sît åmét';
}
$not_unicode = 'Lørëm ípsüm dölör sît åmét';

no bytes; # default, can be omitted
print "Character semantics:\n";

print "ASCII: ", length($ascii), "\n";
print "Unicode: ", length($unicode), "\n";
print "Not-Unicode: ", length($not_unicode), "\n";

print "----\n";

use bytes;
print "Byte semantics:\n";

print "ASCII: ", length($ascii), "\n";
print "Unicode: ", length($unicode), "\n";
print "Not-Unicode: ", length($not_unicode), "\n";

这输出:

Character semantics:
ASCII: 26
Unicode: 26
Not-Unicode: 35
----
Byte semantics:
ASCII: 26
Unicode: 35
Not-Unicode: 35