escribiendo Unicade-aware one-liners en Perl

Question

¿Cuál es la forma correcta de escribir Unicod-aware one-liners en Perl? La manera obvia:

$ echo 'フーバー' | perl -lne 'print if /フ/' 
フーバー 

... un poco parece funcionar a primera vista, pero esto es sólo un accidente: el Unicode se interpreta como bytes como muestra el siguiente ejemplo:

$ echo 'フーバー != フウバー' | perl -mString::Diff=diff -lne 'print join(" ", diff($1, $2)) if /(.*)!=(.*)/'                     => 29 
フ?[??]バー[ ] { }フ?{??}バー 

Simplemente usando la bandera -C para ajustar el STDIN/STDOUTetc. a UTF-8 no es suficiente por sí mismo:

$ echo 'フーバー' | perl -C -lne 'print if /フ/' 
[no output] 

... porque ahora el texto en -e no se interpreta como Unicode.

Así que este es el camino a seguir (suponiendo un escenario en su sano juicio - es decir, una en forma "*.UTF‑8") así:

$ perl -C -Mutf8 [...] 

Answer 1

Sí, la carga de la utf8 pragma se requiere para interpretar el “フ” UTF-8 secuencia en el código fuente como un personaje más bien como bytes separados.

El modificador de línea de comandos Perl -C y la utf8 pragma son independiente de la Localidad, pero de comandos de la shell echo no lo es.

Answer 2

me gusta usar utf8::all si necesito para manejar Unicode

echo 'フーバー' | perl -Mutf8::all -lne 'print if /フ/' 

PS. utilizando -C también es necesario dar indicadores específicos también, que yo sepa

Answer 3

en Windows 7:

chcp 65001 
perl -M"charnames':full'" -E "say qq{I \N{HEAVY BLACK HEART} PSGI.}"