Dotaz: Perl a nefungující locales v RE

[Dunric]

Zdravím.

Prvně potřebuju v perlu parsovat český text a hned narazím

use locale;

my $row = <>;
chomp($row);
$row =~ s/(\w)/$1_/g;
print $row;

Po zpracování řetězce "příliš žluťoučký kůň" regulárním výrazem je v $row "p_říl_i_š žl_u_ťo_u_čk_ý k_ůň" místo očekávaného "p_ř_í_l_i_š ž_l_u_ť_o_u_č_k_ý k_ů_ň". Zřejmě národní znaky nepočítá mezi alfanumerické.

Perl 5.8.8, locales IMHO správně nastaveny na cs_CZ.UTF-8 (vč. LC_CTYPE). Zkoušel jsem i pragmu use utf8, ale bezvýsledně.

Odpovědi

[Dunric]

ehm, samozřejmě místo očekávaného "p_ř_í_l_i_š_ ž_l_u_ť_o_u_č_k_ý_ k_ů_ň_"

[happy barney]

use utf8;

...

$row =~ s/(\p{L})/$1_/g;

[Dunric]

Díky.

Zkoušel jsem to, ale aby to skutečně pracovalo s unicode znaky, musel jsem nastavit ovladač vstupu do utf8 "modu" voláním funkce binmode. Je to tak nutné dělat nebo jsem něco přehlédl ?

[happy barney]

skúste sa pozrieť na pragmu encoding, napr

use encoding 'utf-8';

[Dunric]

Jj, to bude ono. Ještě jednou dík.