1

我有一个包含以下内容的文件,其中一些字符是 UTF-8 十六进制编码的字符串文字:

<root>
<element type=\"1\">\"Hello W\xC3\x96rld\"</element>
</root>

我想读取文件并将文件中的 UTF-8 十六进制编码字符解码为它们代表的实际 unicode 字符,然后写入一个新文件。鉴于上述内容,当您在 UTF-8 编码的文本编辑器中打开新文件时,它应如下所示:

<root>
<element type=\"1\">\"Hello WÖrld\"</element>
</root>

请注意,双引号仍然被转义,UTF-8 十六进制编码\xC3\x96现在变成了 Ö(U+00D6 拉丁大写字母 O 带分音符号)。

我有部分工作的代码,如下所示:

#! /usr/bin/perl -w

use strict;
use Encode::Escape;

while (<>)
{
    # STDOUT is redirected to a new file.
    print decode 'unicode-escape', $_;
}

然而,问题在于,所有其他转义序列(\"例如decode 'unicode-escape', $_. 所以最后,我得到以下信息:

<root>
<element type="1">"Hello WÖrld"</element>
</root>

我尝试以 UTF-8 编码和/或使用Unicode::Escape::unescape诸如

open(my $UNICODESFILE, "<:encoding(UTF-8)", shift(@ARGV));
Unicode::Escape::unescape($line);

但他们都没有解码\xhh转义序列。

基本上我想要的只是 的行为decode 'unicode-escape', $_,但它应该只在\xhh转义序列上解码并忽略其他转义序列。

这可能吗?使用decode 'unicode-escape', $_适合这种情况吗?还有什么办法吗?谢谢!

4

1 回答 1

1

查找 \xNN 字符组并处理它们,我猜:

s{((?:\\x[0-9A-Fa-f]{2})+)}{decode 'unicode-escape', $1}ge
于 2011-01-19T01:10:00.897 回答