Perl：将（高）十进制 NCR 转换为 UTF-8

Question

我有这个字符串（十进制 NCR）：日本の鍼灸とは

表示日语文字日本の鍼灸とは。

但我需要 (UTF-8): %E6%97%A5%E6%9C%AC%E3%81%AE%E9%8D%BC%E7%81%B8%E3%81%A8%E3%81%AF

对于第一个字符：日⇒日⇒%E6%97%A5

这个网站可以做到，但我如何在 Perl 中获得它？（如果可能，在单个正则表达式中，如 s/\&\#([0-9]+);/uc('%'.unpack("H2", pack("c", )))/eg;。）

http://www.endmemo.com/unicode/unicodeconverter.php

我还需要将其从 UTF-8 再次转换回十进制 NCR

我已经为这个问题绞尽脑汁半天了，非常感谢任何帮助！

Answer 1

#!/usr/bin/perl
use strict;
use warnings;

use Test::More tests => 2;
use Encode qw{ encode decode };

my $in = '&#26085;&#26412;&#12398;&#37756;&#28792;&#12392;&#12399;'; # 日本の鍼灸とは
my $out = '%E6%97%A5%E6%9C%AC%E3%81%AE%E9%8D%BC%E7%81%B8%E3%81%A8%E3%81%AF';

(my $utf = $in) =~ s/&#(.*?);/chr /ge;

my $r = join q(), map { sprintf '%%%2X', ord } split //, encode('utf8', $utf);
is($r, $out);

(my $s = $r) =~ s/%(..)/chr hex /ge;
$s = decode('utf8', $s);
$s = join q(), map '&#' . ord . ';', split //, $s;
is($s, $in);

Answer 2

你说的"UTF-8"其实就是URL-encoding.

HTML 实体 (日) ⇒ 文本 (日) ⇒ URI 组件 (%E6%97%A5):

use HTML::Entities qw( decode_entities );
use URI::Escape    qw( uri_escape_utf8 );

my $text = decode_entities($html);
my $uri_component = uri_escape_utf8($text);

URI 组件（%E6%97%A5）⇒ 文本（日）⇒ HTML 实体（日）：

use Encode         qw( decode_utf8 );
use HTML::Entities qw( encode_entities );
use URI::Escape    qw( uri_unescape );

my $text = decode_utf8(uri_unescape($uri_component));
my $html = encode_entities($text);

Perl：将（高）十进制 NCR 转换为 UTF-8

Perl: Convert (high) decimal NCR to UTF-8

regex

perl

decimal

utf-8

ncr