indietro

A partire da Perl 5.6, il Perl ha avuto un certo livello di supporto ai caratteri multibyte. Si raccomanda il Perl 5.8 o successivo. Le raccolte di caratteri multibyte supportate includono Unicode e le codifiche precedenti (per questioni di compatibilità attraverso il modulo Encode. Consultate perluniintro, perlunicode, ed Encode.

Se siete è fermi alle vecchie versioni di Perl, potete fare Unicode con il modulo Unicode::String e la conversione di caratteri usando i moduli Unicode::Map8 e Unicode::Map. Se si stanno usando codici giapponesi, potreste provare ad utilizzare jperl 5.005_03.

Infine, il seguente insieme di approcci viene fornito da Jeffrey Friedl, il cui articolo sul numero #5 di The Perl Journal parla di questo stesso argomento.

Supponiamo abbiate qualche strano codice Marziano nel quale le coppie di lettere maiuscole ASCII codificano le singole lettere Marziane (cioè i due byte "CV" formano una singola lettera Marziana, come pure fanno i due byte "SG", "VS", "XX", ecc.). Gli altri byte rappresentano singoli caratteri, proprio come in ASCII.

Dunque, la stringa in marziano "Io sono CVSGXX!" utilizza 15 byte per codificare i dodici caratteri 'I', 'o', ' ', 's', 'o', 'n', 'o', ' ', 'CV', 'SG', 'XX', '!'.

Ora, diciamo che si vuole cercare il singolo carattere /GX/. Perl non conosce il Marziano, dunque troverà i due byte "GX" nella stringa "Io sono CVSGXX!", anche se quel carattere non è lì: gli assomiglia solamente perché "SG" è vicino a "XX", ma non c'è alcun vero "GX". Questo è un grosso problema.

Qui di seguito ci sono alcuni modi, tutti gravosi, per occuparsi di ciò:

    $marziano =~ s/([A-Z][A-Z])/ $1 /g; # Ci si assicura che i byte
                                        # "marziani" adiacenti
                                        # non siano ancora adiacenti

    print "GX trovato!" if $marziano =~ /GX/;

Oppure così:

    @caratteri = $marziano =~ m/([A-Z][A-Z]|[^A-Z])/g;
    # quanto scritto sopra e` concettualmente
    # simile a:    @caratteri = $testo =~ m/(.)/g;
    #
    foreach $carattere (@caratteri) {
        print "GX trovato!", last if $carattere eq 'GX';
    }

Oppure così:

    while ($marziano =~ m/\G([A-Z][A-Z]|.)/gs) {# \G E<egrave> probabilmente inutile
        print "GX trovato!\n", last if $1 eq 'GX';
    }

Ecco un altro modo, un po' meno ripido, per risolvere il problema, opera di Bejamin Goldberg, che usa una zero-width negative look-behind assertion [asserzione negativa di ampiezza zero con ricerca all'indietro, NdT]

	print "GX trovato!\n" if	$marziano =~ m/
		   (?<![A-Z])
		   (?:[A-Z][A-Z])*?
		   GX
		/x;

Questa soluzione ha successo se il carattere "marziano" GX è contenuto nella stringa, mentre fallisce in tutti gli altri casi. Se non vi garba l'utilizzo di (?!>), una zero-width negative look-behind assertion, potete sostituire (?!<[A-Z]) con (?:^|[^A-Z]).

Questo sistema ha l'effetto collaterale di inserire la cosa sbagliata din $-[0] e $+[0], ma di solito si può aggirare questo problema.

vedi in inglese