※ [本文轉錄自 Perl 看板 #1Rxsv3lK ]
作者: kipi91718 (Renewal Process) 看板: Perl
標題: [問題] 字串經過encode之後的length
時間: Sat Nov 17 09:26:23 2018
在perl版已得到解答。
各位大大好，初次在本版發文，請多指教。
在perldoc上面有敘述到:
When you run $octets = encode("utf8", $string) , then $octets might not be
equal to $string. Though both contain the same data, the UTF8 flag for
$octets is always off. When you encode anything, the UTF8 flag on the result
is always off, even when it contains a completely valid utf8 string.
https://perldoc.perl.org/Encode.html
我測試了以下三個狀況，在perl 5.26.1的環境下確認原始字串都是utf-8，
但在encode之後用length去檢測發現結果不太能完全理解。
1. $str1 = "中文";
length( $str1 ); #答案為6，因為UTF8 flag off，這是在算byte數，中文佔3 Bytes
Encode::_utf8_on( $str1 );
length( $str1 ); #答案為2，因為UTF8 flag on，這是在算中文字數量
Encode::_utf8_off( $str1 );
length( $str1 ); #答案為為6，一樣是UTF8 flag off的狀況，為byte數
$str1_e = encode("UTF-8", str1);
length($str1_e); #答案為12，不知道是在計算什麼的數量才會得到12
2. $str2 = "English";
length( $str2 ); #因為英文本來就只佔了1 Byte，所以答案為7
Encode::_utf8_on( $str2 );
length( $str2 ); #算字數一樣答案為7
Encode::_utf8_off( $str2 );
length( $str2 ); #7 Bytes
$str2_e = encode("UTF-8", str2);
length( $str2); #沒改變，一樣是7，是什麼原因呢?
3. $str3 = "ABC呢";
length( $str3 ); #英文 1*3 = 3 Bytes + 中文 3*1 = 3 Bytes 答案為6 Bytes
Encode::_utf8_on( $str3 );
length( $str3 ); #共3英文字+1中文字 = 4個字
Encode::_utf8_off( $str3 );
length( $str3 ); #6，因為6 Bytes
$str3_e = encode("UTF-8", str3);
length( $str3_e); #答案為9，所以看起來中文在這情況下的結果是每字+6?
經過以上實測，比較有疑問的是encode到底做了什麼? 以至於讓length去偵測時，中文
會回傳6呢?
又問得更根本，在encode回來之後$octets送進length時，
究竟是被當作什麼型態在處理呢?
請版上專業的大大解惑，我可以200P作為微薄的謝禮，謝謝!