我如何猜測字符串在Perl中是否具有文本或二進制數據？

Question

找出標量值是ASCII / UTF8（文本）還是Perl中的二進制數據的最佳方法是什么？ 此代碼正確嗎？：

if (is_utf8($scalar, 1) or ($scalar =~ m/\A [[:ascii:]]* \Z/xms)) {
     # $scalar is a text
}
else {
     # $scalar is a binary
}

有沒有更好的辦法？

Answer 1

is_utf8測試Perl utf8標志是否打開。 標量可能包含正確格式的utf-8且未打開標志。 我認為即使是格式錯誤的utf-8，也有可能故意將標志打開，但是我不確定。

要檢查標量是否包含UTF-8數據，您需要檢查該標志，如果不是，還可以嘗試類似

eval {
    my $utf8 = decode_utf8 ($scalar);
}

然后檢查$@錯誤。

要檢查非UTF-8標量是否包含非ASCII數據，您的想法$scalar =~ m/\\A [[:ascii:]]* \\Z/xms看起來不錯。

Answer 2

顯然， 最好的方法是在讀取數據時僅進行跟蹤。 作為程序員，您應該已經知道要獲取文本（及其編碼）還是二進制數據。 閱讀文本時，可以將其Encode::decode() （有關詳細信息，請參見http://p3rl.org/UNI ）成Perl文本字符串。

如果您真的不知道，則-T和-B文件測試可提供啟發式功能。

忽略Kinopiko的回答，在大多數情況下，您不需要了解數據的內部表示，並且弄混utf8 pragma模塊中的實用程序功能是錯誤的方法。