CharNames、Substitutions和Umlaut "Ü": 格式不正确的UTF-8字符。

Question

我正在处理使用控制字符进行文本分隔的文献记录。当我在替换操作中使用Unicode字符名称“STRING TERMINATOR”时，如果文本包含“Ü”，我会收到“Malformed UTF-8 character”警告。使用其他Unicode字符名称和包含“ü”，“ä”，“é”等文本的替换可以正常工作。

#!/usr/bin/perl

use v5.12;

use utf8;
use strict;
use autodie;
use warnings;
# use warnings    qw< FATAL  utf8     >;
use charnames   qw< :full >;
use feature     qw< unicode_strings >;

binmode STDOUT, ':utf8';

my @records = (qq[\N{U+0098}L'\N{U+009c} Année du Figaro], qq[\N{U+0098}The\N{U+009c} famous ümläut], qq[\N{U+0098}The\N{U+009c} famous Ümlaut], qq[\N{U+0098}\N{U+00DC}\N{U+009c}]);

my %replace = (
    "\N{START OF STRING}"     => "<ns>",
    "\N{STRING TERMINATOR}"   => "</ns>",
);
my $regex = join "|", keys %replace;
$regex = qr/$regex/;

foreach my $record (@records){
    $record =~ s/($regex)/$replace{$1}/g;
    say $record;
};

我使用的是Strawberry Perl v5.12.3.0。

我该怎么做才能避免这些警告？

谢谢，jorol

- jorol

Answer 1

升级到5.14，那里就不会抛出警告了。

- daxim

Answer 2

如果可能的话，您可以在处理之前将所有Unicode字符列入哈希表并进行替换，以避免Perl版本警告。

就像这样：

my $Description = "famous Ümlaut";
my %UMLAUTE = ( 
    'Ä' => 'Ae',
    'Ö' => 'Oe', 
    'Ü' => 'Ue',
    'ä' => 'ae',
    'ö' => 'oe', 
    'ü' => 'ue', 
    'ß' => 'ss',
    'é' => 'e' 
);

my @UMLKEYS = join("|", keys(%UMLAUTE));
$Description =~ s/(@UMLKEYS)/$UMLAUTE{$1}/g; 

这将导致“著名的Uemlaut”。

- vels