Perl处理.html文件时出现UTF-8编码错误如何解决

你的编码错误由三个常见的Perl Unicode处理疏漏导致，按以下步骤修改即可解决：

问题根因 #

• 脚本未开启全局Unicode处理支持，字符串默认按字节流处理
• readdir 从操作系统读取的文件名是原始字节序列，没有解码为UTF-8字符串，带重音字符的文件名匹配、读写都会出现编码错位
• 输出文件打开时机错误，未完成文件类型过滤就提前创建输出句柄，会生成大量无用空文件，也可能干扰编码写入逻辑

修复后的完整代码 #

use strict;
use warnings;
use utf8; # 声明脚本自身源码为UTF-8编码
use Encode qw(decode);
use File::Spec::Functions qw/ splitdir rel2abs /;

# 全局设置默认文件编码为UTF-8，标准输入输出也用UTF-8
use open qw(:std :encoding(UTF-8));

my ($inputfile, $outputfile, $dir);
$dir = '.';

opendir(DIR, $dir);
while (my $raw_filename = readdir(DIR)) {
    # 把原始字节文件名解码为UTF-8字符串
    my $inputfile = decode('UTF-8', $raw_filename);
    
    # 先过滤要处理的文件，再进行后续操作
    next unless (-f "$dir/$inputfile");
    next unless ($inputfile =~ m/_not_centered\.html$/);
    
    # 生成输出文件名
    $outputfile = $inputfile;
    $outputfile =~ s/_not_centered//;
    
    # 现在再打开输入输出文件
    open(my $ifh, '<', $inputfile) or die "打开输入文件失败 $inputfile: $!";
    open(my $ofh, '>', $outputfile) or die "打开输出文件失败 $outputfile: $!";
    
    while(<$ifh>) {
        if(/(<h2)(.*?)/) {
            print $ofh "$1 style=\"text-align: center;\"$2";
        }else{
            print $ofh $_;
        }
    }
    
    close $ifh;
    close $ofh;
}
closedir(DIR);

关键修改说明 #

• 新增use utf8声明，告知Perl脚本自身的源码是UTF-8编码
• 新增use open qw(:std :encoding(UTF-8))全局声明，所有文件读写默认用UTF-8编码，无需重复在open语句里指定
• 对readdir返回的原始文件名做UTF-8解码，转换为Perl可识别的Unicode字符串，避免文件名编码错误
• 调整操作顺序，先完成文件过滤再创建输出文件，避免生成无用空文件
• 新增文件打开的错误校验，方便排查后续可能出现的权限、文件不存在类问题

补充：如果你确认待处理的HTML文件实际是Latin1（ISO-8859-1）编码而非UTF-8，只需要把use open行的编码改为encoding(ISO-8859-1)即可，输出仍会自动转为UTF-8格式。

内容的提问来源于stack exchange，提问作者AlMa