Perl正则表达式无法找到“花式引号”

Question

我尝试使用以下Perl正则表达式从字符串中找到“fancy quotes”，但它返回false。

$text = "NBN “a joint venture with Telstra”";

if ($text =~ m/“/)
{
  print "found";
}

我也尝试使用"\x93" ASCII代码，但仍然没有效果。我卡在这里了。

感激任何帮助。

问候， Allen

- Allen Qin

---

我在http://www.regextester.com/上测试了你的正则表达式，它有效。但是它只找到了第一个引号。关于你的问题，我没有写过任何珍珠语言的东西，但是据我所见，其他人在珍珠语言中编写的正则表达式，例如`$vmsn =~ /(.+.vmsn)/xm;，因此你的正则表达式看起来像是/“/m`。 - MPękalski

“（U+201C）不属于US-ASCII字符集。 - Gumbo

@MPękalski，你是对的。我使用了一个评估工具测试了正则表达式，它是有效的。但是在Perl脚本中它就是不起作用。 - Allen Qin

Answer 1

根据您要匹配的字符串的编码方式，您可能需要做不同的事情。请参见Unicode和字符集的绝对最低限度（没有任何借口！）。

如果输入字符串是使用UTF-8编码的，则需要在perl脚本中指定该编码 - 一种方法是使用use encoding 'UTF-8'。

如果您想要脚本本身的编码为UTF-8，则可以指定use utf8。但是，最好知道要检查的字符的代码点，并直接指定它：

use utf8;
use encoding 'UTF-8';

$text = "NBN “a joint venture with Telstra”"; # Make sure to quote this string properly

if ($text =~ m/\N{U+201C}/) # “ is the same as U+201C LEFT DOUBLE QUOTATION MARK
{
  print "found";
}

- Avi

---

@Avi：请关闭大括号/\N{U+201C}/。 - Toto

谢谢你，Avi。它确实有效！我花了将近一个小时，仍然无法弄清楚问题出在哪里。非常感谢你的帮助。我一定会查看你推荐的文章 - 没有任何借口！ - Allen Qin

如果你使用了 "use utf8"，请确保你的源代码实际上是 utf8 编码 ;) - Øyvind Skaar

你不需要使用\N{U+201C}：如果你使用了use utf8，那么if ($text =~ m/“/)就可以工作了。 - user181548

我将借此机会推荐perl5i，它可以打开utf8并避免这种用户头痛的情况。 :) - Schwern

Answer 2

请查看"Demoroniser"，对于您具体的问题，请参考Perlmonks Re^3: Reg Ex to strip MS smart quotes讨论中有关 "smart" 引号的部分。

此建议假定 - 也许不正确 - 您的数据库的“花式引号”来自某个生成 Windows-1252 编码文本的 Microsoft 软件 - 如果您有 UTF-8，Avi 已经指出了正确的方向。

- bigiain

Answer 3

最近我遇到了一些智能引号，使用上面帖子中提到的正则表达式无法消除。我不得不通过试错找到一个技巧：

• 首先使用Encode::encode将其转换为iso-8859-1。
• 接下来，使用上述4个正则表达式转换花式引号。
• 然后使用Encode::encode将字符串转换为UTF-8（我需要这样做，因为我在iOS应用程序中使用该字符串，并使用“NSString stringWithUTF8String:”从SQLite数据库中读取它 - 可能与您无关）。

希望这能帮助到某些人。

- Samik R

---

上面提到的那4个正则表达式是哪几个？ - Adriano Varoli Piazza