enc2xs - 云端在线

程序：

您的姓名

enc2xs -- Perl 编码模块生成器

概要

enc2xs -[选项]
enc2xs -M ModName 映射文件...
enc2xs-C

商品描述

编码2xs 构建一个 Perl 扩展，供来自 Unicode 字符映射的 Encode 使用
文件 (.ucm) 或 Tcl 编码文件 (.enc)。 除了在构建期间在内部使用
Encode 模块的过程，你可以使用 编码2xs 将您自己的编码添加到 perl。 不
XS的知识是必要的。

快速 产品指南

如果您想尽可能少地了解 Perl 但需要添加新的编码，只需
阅读本章并忘记其余部分。

0. 准备好 .ucm 文件。 你可以从某个地方得到它，或者你可以从
从头开始，或者您可以从 Encode 发行版中获取一个并对其进行自定义。 为了
UCM 格式，见下一章。 在下面的示例中，我将调用我的理论
编码 myascii，定义在 我的.ucm. "$" 是一个 shell 提示。

$ ls-F
我的.ucm

1. 发出如下命令；

$ enc2xs -M 我的 my.ucm
生成Makefile.PL
生成 My.pm
生成自述文件
产生变化

现在看看你的当前目录。 它应该是这样的。

$ ls-F
Makefile.PL my.pm my.ucm t/

创建了以下文件。

Makefile.PL - MakeMaker 脚本
My.pm - 编码子模块
t/My.t - 测试文件

1.1.
如果您想将*.ucm 与模块一起安装，请执行以下操作；

$ mkdir 编码
$ mv *.ucm 编码
$ enc2xs -M 我的编码/*ucm

2. 编辑生成的文件。 如果您没有时间且无意这样做，则不必这样做
给别人。 但编辑 pod 并添加更多测试是个好主意。

3. 现在发出所有 Perl Mongers 喜欢的命令：

$ perl 生成文件.PL
为 Encode::My 编写 Makefile

4. 现在你要做的就是制作。

使
cp My.pm blib/lib/编码/My.pm
/usr/local/bin/perl /usr/local/bin/enc2xs -Q -O \
-o 编码_t.c -f 编码_t.fnm
读取 myascii (myascii)
编写编译表
字符串表中的 128 个字节
384 字节 (75%) 节省了发现重复项
使用子字符串节省了 1 个字节 (0.775%)
....
chmod 644 blib/arch/auto/编码/My/My.bs
$

所需的时间取决于您的机器有多快以及您的机器有多大
编码是。 除非你正在做一些像 euc-tw 这样的大事，否则不会花太多时间
长。

5. 您已经可以“进行安装”，但您应该先进行测试。

$进行测试
PERL_DL_NONLAZY=1 /usr/local/bin/perl -Iblib/arch -Iblib/lib \
-e '使用 Test::Harness qw(&runtests $verbose); \
$详细=0; 运行测试@ARGV;' t/*.t
t/我的……好吧
所有测试成功。
文件=1，测试=2，0 挂钟秒
（0.09 cusr + 0.01 csys = 0.09 CPU）

6.如果你对测试结果满意，只需“make install”

7. 如果您想将您的编码添加到 Encode 的按需加载列表中（这样您就不必
“使用编码::你的编码”），运行

enc2xs-C

更新 Encode::ConfigLocal，这是一个控制本地设置的模块。 在那之后，
“使用编码；” 足以按需加载您的编码。

统一 字符 地图位置

Encode 使用 Unicode 字符映射 (UCM) 格式进行源字符映射。 这个
格式由 IBM 的 ICU 包使用，并被 Nick Ing-Simmons 用于与
编码模块。 由于 UCM 比 Tcl 的编码映射更灵活，而且用户更多
友好，这是现在推荐的编码格式。

UCM 文件如下所示。

#
＃ 注释
#
"US-ascii" # 必填
"ascii" # 可选
1 # 必填； 通常 1
1 # 最大# 字节/字符
\x3F # 替换字符
#
魅力地图
\x0000 |00 #
\x0001 |01 #
\x0002 |02 #
....
\x007C |7 # 垂直线
\x007D |7 # 右花括号
\x007E |7 # 波浪号
\x007F |7 #
结束符文

· “#”后面的任何内容都被视为注释。

· 标题部分一直持续到包含单词 CHARMAP 的行。 这个部分
有一种形式 折扣值，每行一对。 用作值的字符串必须是
引。 裸词被视为数字。 \xXX 代表一个字节。

大多数关键字都是不言自明的。 子字符 表示替换字符，而不是
子字符。 当您将 Unicode 序列解码为此编码但没有匹配时
字符被找到，这里定义的字节序列将被使用。 在大多数情况下，
这里的值是 \x3F; 在 ASCII 中，这是一个问号。

· CHARMAP 启动字符映射部分。 每行有如下形式：

\xXX.. |0 # 评论
^^^
| | +- 后备标志
| +-------- 编码字节序列
+-------------- Unicode 十六进制字符 ID

除了回退标志外，格式与标题部分大致相同： |
其次是 0..3。 可能值的含义如下：

|0 往返安全。 解码为 Unicode 的字符编码回相同的字节
序列。 大多数字符都有这个标志。

|1 unicode -> 编码的回退。 看到时，enc2xs 为
仅编码地图。

|2 如果没有代码点，则跳过子字符映射。

|3 编码回退 -> unicode。 看到时，enc2xs 为
仅解码地图。

· 最后，END OF CHARMAP 结束本节。

当您手动创建 UCM 文件时，您应该复制 ascii.ucm 或现有的
接近你的编码，而不是从头开始写你自己的。

这样做时，请确保您至少离开 U0000 至 U0020 照原样，除非您的环境
是EBCDIC。

警告：并非 UCM 中的所有功能都已实现。 例如，不使用 icu:state。
因此，如果你想支持算法，你需要编写一个 perl 模块
编码，特别是 ISO-2022 系列。 此类模块包括 Encode::JP::2022_JP、
编码::KR::2022_KR 和编码::TW::HZ。

应对 复制 映射
创建地图时，您应该使您的映射往返安全。 那是，
"encode('your-encoding', decode('your-encoding', $data)) eq $data" 代表所有
标记为“|0”的字符。 以下是如何确保：

· 以Unicode 顺序对您的地图进行排序。

· 当您有重复的条目时，用“|1”或“|3”标记其中之一。

· 并确保“|1”或“|3”条目跟随“|0”条目。

这是 big5-eten 的一个例子。

\xF2550\xF9 |9
\xA2550\xA2 |4

Internally Encoding -> Unicode and Unicode -> Encoding Map 看起来像这样；

E 到 UU 到 E
--------------------------------------
\xF9\xF9 => U2550 U2550 => \xF9\xF9
\xA2\xA4 => U2550

所以它对于\xF9\xF9 来说是往返安全的。 但是如果上面的线是颠倒的，这就是
发生。

E 到 UU 到 E
--------------------------------------
\xA2\xA4 => U2550 U2550 => \xF9\xF9
（\xF9\xF9 => U2550 现在被覆盖了！）

编码包附带 乌克林特，一个粗略但足够的实用程序来检查
UCM 文件的完整性。 在 Encode/bin 目录下检查这个。

如有疑问，您可以使用 排序, Encode/bin 目录下的另一个实用程序。

书签

· ICU主页http://www.icu-project.org/>

·ICU字符映射表http://site.icu-project.org/charts/charset>

· ICU：转化数据http://www.icu-project.org/userguide/conversion-data.html>

使用 onworks.net 服务在线使用 enc2xs