XML::LibXML处理时é被编码为é，如何避免或解码？

我有一个test.xml文件，内容如下：

<div value="éclair">éclair</div>

使用以下Perl代码提取并打印内容：

use strict;

use XML::LibXML;
use XML::LibXML::Reader;
use utf8;
my $parser = XML::LibXML->new();

open my $fh, "<", "test.xml";

my $reader = XML::LibXML::Reader->new(IO => $fh, recover => 1, suppress_errors => 1, huge => 1000000000);


while ($reader->read) {
    next unless $reader->nodeType == XML::LibXML::Reader->XML_READER_TYPE_ELEMENT;
    next unless $reader->name eq "div";
    my $html = $reader->readOuterXml;
    my $doc = $parser->load_xml(string => $html);

    print $doc->toString() . "\n";

}

但打印结果中字符é被编码为é：

<?xml version="1.0"?>
<div value="&#xE9;clair">&#xE9;clair</div>

请问是否可以避免该编码过程？或者如何在Perl中将é解码为é？

一、避免编码，直接输出原字符 #

XML::LibXML的toString()方法默认会对非ASCII字符进行实体编码，可通过以下两种方式避免：

方法1：使用toString(1) #

修改打印语句为：

print $doc->toString(1) . "\n";

toString(1)启用格式化模式，默认以UTF-8编码输出，不会将ASCII范围外的字符转成实体。

方法2：显式指定输出编码 #

创建解析器时明确设置编码为UTF-8：

my $parser = XML::LibXML->new(encoding => 'UTF-8');

同时确保标准输出为UTF-8编码：

binmode STDOUT, ':encoding(UTF-8)';
print $doc->toString() . "\n";

这样非ASCII字符会直接以UTF-8字节输出，不会被转义为实体。

二、解码已编码的实体 #

如果已得到包含é这类实体的字符串，可借助HTML::Entities模块解码：

1. 先安装模块（未安装时执行）：

cpanm HTML::Entities

2. 修改代码引入模块并解码：

use strict;
use XML::LibXML;
use XML::LibXML::Reader;
use utf8;
use HTML::Entities; # 引入解码模块

my $parser = XML::LibXML->new();

open my $fh, "<", "test.xml";
my $reader = XML::LibXML::Reader->new(IO => $fh, recover => 1, suppress_errors => 1, huge => 1000000000);

while ($reader->read) {
    next unless $reader->nodeType == XML::LibXML::Reader->XML_READER_TYPE_ELEMENT;
    next unless $reader->name eq "div";
    my $html = $reader->readOuterXml;
    my $doc = $parser->load_xml(string => $html);
    my $output = $doc->toString();
    # 解码实体
    $output = decode_entities($output);
    # 确保标准输出为UTF-8编码
    binmode STDOUT, ':encoding(UTF-8)';
    print $output . "\n";
}

执行后é会被转换为é。

内容的提问来源于stack exchange，提问作者jonah_w