Perl正则表达式替换为UTF-8字符

Question

我对尝试用Perl编写的函数感到绝望。 我的功能是为特定字符过滤字符串。 我允许一些字符，例如AZ, az, 0-9并且我还希望允许一些德国变音符号。 但是每次我在正则表达式中定义它们时，替换都会失败。

我的编码是UTF-8 （服务器，Perl，脚本）。

这是我的功能：

sub cleanXSS{

    my $string = shift;

    $string =~ s/[^A-Za-z0-9öäü]//g;

    return $string;
}

我的脚本如下所示：

my $scalar = "áéíóúÁÉÍüÓÚâêÄîôßû()ÂÊÎÔÛabcäüöÄÜÖý#µzdjheäöü";
print cleanXSS($scalar)."\n";

因此，它应该替换除AZ, az, 0-9和小写变音符号之外的所有字符。 在我的测试字符串中替换德国变音符的效果很好，但似乎所有其他拉丁字符仅被部分替换了。

控制台输出如下所示：

▒▒▒▒▒▒▒▒▒ü▒▒▒▒▒▒▒▒▒▒▒▒▒▒abcäüö▒▒▒▒zdjheäöü

我尝试了许多解决方案，例如“使用区域设置”，其他编码，通过“使用编码”的显式编码等等。

似乎在á这样的字符中，仅2个字节中的1个被替换了。 如果我将替换项更改为此：

$string =~ s/[^A-Za-z0-9öäü]/_/g;

我得到以下输出：

▒_▒_▒_▒_▒_ö▒_▒_▒_ü▒_▒_▒_▒_▒_▒_▒_▒_▒___▒_▒_▒_▒_▒_abcäüö▒_▒_▒_▒____zdjheäöü

我该如何实现？

Answer 1

似乎在类似“á”的字符中，只有2个字节中的1个被替换了。

1. 解码输入。

   您没有告诉Perl您的脚本是使用UTF-8编码的。 加

    use utf8; 

2. 编码输出。

   您还需要执行以下操作来编码输出：

    use open ':std', ':encoding(UTF-8)'; 

Answer 2

将这一行放在脚本的开头：

binmode STDOUT, ":encoding(UTF-8)";

参阅文件