硬编码阿拉伯字母为何与Unicode码点值不一致？

在Linux Mint的Xed编辑器中编写Perl代码时，直接硬编码阿拉伯字母「ن」会得到错误的Unicode码点，但读取文本文件中的该字母却能获得正确值U+0646。以下是测试代码及输出：

测试代码 #

my $noon = "ن";
my $code_point = charinfo(ord($noon))->{'code'};
print "Unicode code point for 'ن' (noon): U+$code_point\n";

$noon = "\N{U+0646}";
$code_point = sprintf("%04X", ord($noon));
print "Unicode code point for 'ن' (noon): U+$code_point\n";
$noon_code = 0x0646;
print (chr($noon_code), "\n");

代码输出 #

Unicode code point for 'ن' (noon): U+00D9
Unicode code point for 'ن' (noon): U+0646
Wide character in print at code.pl line 11.
ن

问题原因 #

这是因为Xed编辑器保存代码文件时未使用UTF-8编码，导致硬编码的阿拉伯字母被转换成了其他编码的字节（比如ISO-8859-1）。Perl默认按系统编码解析源代码，因此读取到错误的码点U+00D9（对应ISO-8859-1中的0xD9字节）。而通过\N{U+0646}或十六进制值0x0646直接指定Unicode码点时，Perl能正确识别目标字符。

解决办法 #

1. 设置编辑器编码：在Xed编辑器中，将文件编码设为UTF-8。可在保存文件时的对话框中选择「UTF-8」编码，或在编辑器设置中把默认编码改为UTF-8。
2. 添加Perl编码声明：在代码开头加入以下语句，告诉Perl源代码使用UTF-8编码，同时设置输出为UTF-8以避免宽字符警告：

use utf8;
use open qw(:std :utf8);

修改后的示例代码 #

use utf8;
use open qw(:std :utf8);
use Unicode::UCD qw(charinfo);

my $noon = "ن";
my $code_point = charinfo(ord($noon))->{'code'};
print "Unicode code point for 'ن' (noon): U+$code_point\n";

$noon = "\N{U+0646}";
$code_point = sprintf("%04X", ord($noon));
print "Unicode code point for 'ن' (noon): U+$code_point\n";
my $noon_code = 0x0646;
print chr($noon_code), "\n";

修改后运行代码，两次输出的码点都会是U+0646，且不会出现「Wide character in print」警告。

内容的提问来源于stack exchange，提问作者Valter Ekholm