大家經(jīng)常使用正則表達(dá)式的字符集從字符串中抽取或排除中文字符，但是這樣做
很費(fèi)事，效果也并不是很理想。實(shí)際上Perl從5.6開始已經(jīng)開始在內(nèi)部使用utf8編碼
來表示字符，也就是說對中文以及其他語言字符的處理應(yīng)該是完全沒有問題的。關(guān)鍵
在于目前使用的編輯器以及文件格式并不都能很好地支持utf8，委屈了Perl的強(qiáng)大能力。
實(shí)際上我們只需要利用好Encode這個(gè)模塊便能充分發(fā)揮Perl的utf8字符的優(yōu)勢了。
????下面就以中文文本的處理為例進(jìn)行說明（注意：編輯下面這段程序不能用使用utf8
編碼的編輯器），比如有一個(gè)字符串"測試文本"，我們想要把這個(gè)中文字符串拆成單個(gè)
字符，可以這樣寫：
use?Encode;
use?Encode::CN;?#可寫可不寫
$dat="測試文本";
$str=decode("gb2312",$dat);
@chars=split?//,$str;
foreach?$char?(@chars)?{
????????print?encode("gb2312",$char),"\n";
}
結(jié)果大家試一試就知道了，應(yīng)該是令人滿意的。
????這里主要用到了Encode模塊的decode、encode函數(shù)。要了解這兩個(gè)函數(shù)的作用我們
需要清楚幾個(gè)概念：
1、Perl字符串是使用utf8編碼的，它由Unicode字符組成而不是單個(gè)字節(jié)，每個(gè)utf8編
碼的Unicode字符占1~4個(gè)字節(jié)（變長）。
2、進(jìn)入或離開Perl處理環(huán)境（比如輸出到屏幕、讀入和保存文件等等）時(shí)不是直接使用
Perl字符串，而需要把Perl字符串轉(zhuǎn)換成字節(jié)流，轉(zhuǎn)換過程中使用何種編碼方式完全取決
于你（或者由Perl代勞）。一旦Perl字符串向字節(jié)流的編碼完成，字符的概念就不存在了
，變成了純粹的字節(jié)組合，如何解釋這些組合則是你自己的工作。
????我們可以看出如果想要Perl按照我們的字符概念來對待文本，文本數(shù)據(jù)就需要一直用
Perl字符串的形式存放。但是我們平時(shí)寫出的每個(gè)字符一般都被作為純ASCII字符保存（
包括在程序中明文寫出的字符串），也就是字節(jié)流的形式，這里就需要encode和decode函
數(shù)的幫助了。
????encode函數(shù)顧名思義是用來編碼Perl字符串的。它將Perl字符串中的字符用指定的編
碼格式編碼，最終轉(zhuǎn)化為字節(jié)流的形式，因此和Perl處理環(huán)境之外的事物打交道經(jīng)常需要
它。其格式很簡單：
????????$octets?=?encode(ENCODING,?$string?[,?CHECK])
這里$string是Perl字符串，ENCODING是給定的編碼方式，$octets則是編碼之后的字節(jié)流
，CHECK表示轉(zhuǎn)換時(shí)如何處理畸變字符（也就是Perl認(rèn)不出來的字符）。一般不需要使用
CHECK，讓Perl按默認(rèn)規(guī)則處理即可。
????編碼方式視語言環(huán)境的不同有很大變化，默認(rèn)可以識別utf8、ascii、ascii-ctrl、
iso-8859-1等，中文環(huán)境（CN）增加了euc-cn（gb2312與之等價(jià)）、cp936（gbk與之等價(jià)
）、hz等，還有日文環(huán)境（JP）、韓文（KR）等等，在此不一一盡數(shù)。
????decode函數(shù)則是用來解碼字節(jié)流的。它按照你給出的編碼格式解釋給定的字節(jié)流，將
其轉(zhuǎn)化為使用utf8編碼的Perl字符串，一般來說從終端或者文件取得的文本數(shù)據(jù)都應(yīng)該用
decode轉(zhuǎn)換為Perl字符串的形式。它的格式為：
????????$string?=?decode(ENCODING,?$octets?[,?CHECK])
$string、ENCODING、$octets和CHECK的含義同上。
????現(xiàn)在就很容易理解上面寫的那段程序了。因?yàn)樽址怯妹魑膶懗龅模娣诺臅r(shí)候已
經(jīng)是字節(jié)流形式，喪失了本來的意義，所以首先就要用decode函數(shù)將其轉(zhuǎn)換為Perl字符串
，由于漢字一般都用gb2312格式編碼，這里decode也要使用gb2312編碼格式。轉(zhuǎn)換完成后
Perl對待字符的行為就和我們一樣了，平時(shí)對字符串進(jìn)行操作的函數(shù)基本上都能正確對字
符進(jìn)行處理，除了那些本來就把字符串當(dāng)成一堆字節(jié)的函數(shù)（如vec、pack、unpack等）。
于是split就能把字符串切成單個(gè)字符了。最后由于在輸出的時(shí)候不能直接使用utf8編碼
的字符串，還需要將切割后的字符用encode函數(shù)編碼為gb2312格式的字節(jié)流，再用print
輸出。
????Encode模塊的初步應(yīng)用大概就是這樣，詳細(xì)情況還是要參閱模塊的文檔。實(shí)際上如果
我們使用UltraEditor等等支持編輯utf8編碼文件的編輯器寫程序，基本上用不著Encode
模塊，在程序開頭加上一句use?utf8就行。這時(shí)Perl默認(rèn)包括程序本身在內(nèi)的所有的字符
都是Unicode字符，可以隨便使用Unicode范圍內(nèi)的字符，甚至可以用非英文字符作為標(biāo)識
符，只是輸出的時(shí)候可能還需要用Encode模塊。比如用UE的utf8編碼模式編輯這個(gè)程序：
????????use?utf8;
????????$單價(jià)=10;
????????$數(shù)量=100;
????????$總額=$單價(jià)*$數(shù)量;
????????print?"$總額\n";
可以在Perl?5.6以后的版本中正常運(yùn)行并給出結(jié)果，是不是很爽？:)?這種模式最大的優(yōu)點(diǎn)
就是在字符串中可以混合多種語言的文字，就算中日韓英加上阿拉伯字符都在一個(gè)字符串
中出現(xiàn)也沒問題；不像使用Encode模塊那樣必須固定一種編碼方式，中日韓英字符同時(shí)出
現(xiàn)還好辦，因?yàn)間bk包含了所有這些字符，可是再加上一些非亞洲語言字符就不一定能處
理了。所以以后用Unicode編碼應(yīng)該是大勢所趨。
希望寫的這些能對大家有所幫助。