Perl 中的 Unicode，mkdir 练习

Question

我目前正在学习 Unicode 编程的艺术，并将其应用到个人项目中。很快我意识到做对真的很难，甚至理解如果你做对了：如果工具不对，你可能会错误地评估你的工作结果。

我在这个练习中的小目标是了解我应该传递给 mkdir 什么与对 File::Path::make_path 有好处。换句话说：他们期望什么？他们会根据语言环境处理编码，还是我应该为他们做？

我编写了以下脚本，这些脚本从 @ARGV 获取参数，并为每个参数创建目录 $_，同时使用两个函数以及编码和解码的来源。

#!/usr/bin/perl

use warnings;
use strict;
use utf8;
use v5.16;

use Encode;
use Encode::Locale;

use File::Path qw/make_path/;
use File::Spec;

# Everything under the './tree' directory
mkdir 'tree';
mkdir File::Spec->catdir('tree', $_)
    for ('mkdir', 'mkdir_enc', 'make_path', 'make_path_enc');

foreach (map decode(locale => $_) => @ARGV) {
    mkdir File::Spec->catdir('tree', 'mkdir', $_);
    mkdir encode(locale_fs => File::Spec->catdir('tree', 'mkdir_enc', $_));

    make_path(File::Spec->catdir('tree', 'make_path', $_));
    make_path(encode(locale_fs => File::Spec->catdir('tree', 'make_path_enc', $_)));
}

我执行的脚本如下：

./unicode_mkdir.pl a→b←c

我期望的是：

tree/mkdir [x] 或 tree/mkdir_enc 包含名为乱码的目录；
tree/make_path [x] 或 tree/make_path_enc 包含名为乱码的目录；

我非常惊讶地发现所有版本都可以正常工作。我用 find:

验证了它

$ find tree
tree
tree/mkdir_enc
tree/mkdir_enc/a→b←c
tree/mkdir
tree/mkdir/a→b←c
tree/make_path_enc
tree/make_path_enc/a→b←c
tree/make_path
tree/make_path/a→b←c

我意识到 tree 命令让它变得如此错误......（一种很常见的疾病）但至少我可以看到结果都是一样的：

$ tree tree
tree
├── make_path
│   └── a262b260c
├── make_path_enc
│   └── a262b260c
├── mkdir
│   └── a262b260c
└── mkdir_enc
    └── a262b260c

8 directories, 0 files

一条ls -R命令似乎证实了这一点。

$ ls -R tree
tree:
make_path  make_path_enc  mkdir  mkdir_enc

tree/make_path:
a→b←c

tree/make_path/a→b←c:

tree/make_path_enc:
a→b←c

tree/make_path_enc/a→b←c:

tree/mkdir:
a→b←c

tree/mkdir/a→b←c:

tree/mkdir_enc:
a→b←c

tree/mkdir_enc/a→b←c:

所以我的问题是：

我在代码方面做得对吗（当然不是）？
我在文件系统方面做得对吗？
mkdir和make_path如何找出错误并改正？
或者也许我只是 "reverse-lucky"（这种幸运不会让你意识到你的错误，因为 在你的情况下是吗？那我怎么才能有效地测试出来呢？

有什么提示吗？

Answer 1

How can mkdir and make_path figure out and fix the wrong one?

Perl 字符串有一个 "UTF-8 flag" 表示它们包含的 "characters" 是 Unicode 字符还是八位字节（八位字节）。您可以使用 utf8::is_utf8 函数（参见 http://perldoc.perl.org/utf8.html）来检查是否为给定字符串设置了 UTF-8 标志；或者您可以使用 Devel::Peek 模块中的 Dump，它打印出标量的所有内容，包括设置的标志列表。

所以mkdir和make_path不需要做太疯狂的事情；他们可以通过将它们编码为八位字节字符串来处理 Unicode 字符串，就像您在调用 encode.

时所做的那样

（不幸的是，UTF-8 标志有很多怪癖，并不是所有的函数都支持它；例如，encode 不关心它的参数是否设置了那个标志，它只是相信你不会在字符串上调用它，除非字符串应该被解释为 Unicode 字符序列。但是如果你使用现代的、支持 Unicode 的库和 use utf8，并且只做所有 Unicode- ishly 除非专门与面向字节的外部系统交互（你使用 Encode::encode 和 Encode::decode ），你应该没问题。）

Am I doing it right code-wise ('course not)?

Am I doing it right filesystem-wise?

是的，但我认为您应该多注意错误情况。如果您的输入无法在语言环境字符集中表示怎么办？如果可以，但结果不是您的操作系统或文件系统中的有效文件名怎么办？

要解决这个问题，您应该进行两到三处更改：

您应该向 Encode::encode 提供明确的第三个参数，以指定它应如何处理不可编码的字符。（默认行为是用替换字符替换它们，例如 ? 用于 US-ASCII；这可能不是您想要的。）
您应该检查 mkdir 的 return 值。
您可能想使用 make_path 的 error 选项，并检查生成的 arrayref；或者，您可能希望将 make_path 包装在 eval 块中。

Perl 中的 Unicode，mkdir 练习

Unicode in perl, mkdir exercise

filesystems

unicode

perl