本文整理 Perl 的 substr() 函數,並說明它在處理中文字串時常見的截斷問題,供需要的朋友參考。
substr EXPR, OFFSET, LEN, REPLACEMENT
substr EXPR, OFFSET, LEN
substr EXPR, OFFSET
substr 回傳 EXPR 從 OFFSET 位置起算的子字串。幾個關鍵規則:
若 OFFSET 為負數,起點會從字串尾端往前計算。若指定了 LEN,就回傳該長度;未指定則取到字串結尾。若 LEN 為負數,則表示「結尾要保留、不列入結果的尾端字元數」——也就是說負的 LEN 會讓結果提早結束,同時字串尾端那麼多個字元不會被取到。
若同時給了 REPLACEMENT,該段子字串會被替換成新的內容。若指定的範圍超出字串尾端,只會取到實際存在的部分。
回傳值:字串。
#!/usr/bin/perl -w
#by www.yiibai.com
$temp = substr("okay", 1, 2);
print "Substring valuye is $temp\n";
$temp = substr("okay", 2, 2);
print "Substring valuye is $temp\n";
輸出:
Substring valuye is ka Substring valuye is ay
在 Perl 中,從外部讀入的位元組字串(包含直接寫在程式碼裡的中文字面值)預設都被當成位元組序列處理。因此:
$str="測試文本"; print substr($str,0,1);
這行只是把「測試文本」的第一個位元組取出來印出,而單一個位元組無法構成一個完整的中文字元,於是就輸出了問號。
要讓它輸出正確,必須先用 decode 把資料轉成 Perl 的內部字元字串,讓 Perl 以「字元」而非「位元組」為單位來處理。之後 substr($str,0,1) 取到的就是一個完整的漢字。
use utf8;
use Encode qw(decode encode);
my $str = decode('UTF-8', "測試文本");
my $one = substr($str, 0, 1);
print encode('UTF-8', $one), "\n"; # 輸出「測」
實務上更根本的解法是:在原始碼頂端加上 use utf8; 讓字面值被視為字元,並在輸出時明確指定編碼層(例如 binmode STDOUT, ':encoding(UTF-8)')。只依賴 decode 而忘了設定輸出層,仍會在終端機上看到亂碼。
指令:substr
語法:substr($string, offset, length)
offset 代表起始位置,length 代表要取的字元數;省略 length 則取到字串結尾。offset 為負值時,會從字串右側開始計算起點。
$s = substr("perl5", 2, 2); # $s = "rl"
$s = substr("perl5", 2); # $s = "rl5"
$s = substr("perl5", -2, 2); # $s = "er"
前面提到 substr 可帶第四個參數做替換,這在實務上很常用,因為它能就地修改原變數並回傳被換掉的那段:
my $str = "Hello, World"; my $old = substr($str, 0, 5, "Goodbye"); print $str; # Goodbye, World print $old; # Hello
注意四參數形式的 substr 是左值可寫的,可以直接賦值:substr($str, 0, 5) = "Hi"; 效果等同替換前兩個字元。
希望這份整理對你的 Perl 學習有所幫助。