Loading...

Perl 10：字符长度与输出字节要分别验收

Created2026-10-06|Updated2026-10-18|Perl

|Word Count:460|Reading Time:1mins|Post Views:

解码后用 length 可以得到字符数，却不能据此推断写入文件的字节数。对于源码字面量 日志，字符数是 2，UTF-8 字节数是 6。报表或 JSON Lines 如果先编码一次，又经过另一层自动编码，文件内容就可能不等于金标；测试“屏幕上看起来正确”不足以排除这种错误。

Course 入口 examples/perl-language/bin/logtool 把 STDOUT 设为 :raw，在 report 命令里先构造 TSV 字符串，再用 Encode::encode('UTF-8', ..., FB_CROAK | LEAVE_SRC) 得到字节。course-semantics.pl unicode 的 decoded_chars=2 bytes=6 是最小机制断言；tools/replay.pl --case all 则走完整入口，记录 import、query、report 的 stdout SHA-256。两层证据分工不同：前者说明字符/字节边界，后者说明当前 CLI 输出字节与金标守恒。

图：输入解码、字符处理与输出编码

1
2
3

raw 输入字节 --decode--> Perl 字符串 --length--> 字符数
                                      |
                                      +--encode UTF-8 --> :raw STDOUT / save_report

另一个反例是重复解码。course-semantics.pl unicode 先把 UTF-8 字节解码成字符标量，再故意把该字符标量交给 decode('UTF-8', ..., FB_CROAK)，输出 double_decode=error utf8_flag=1。这条断言防止把“已经是字符”的标量再次当作原始八位字节处理。Course 主线的 JSON Lines 同时保留 message 与 raw_message，并只对 message 做 NFC 规范化；这不是“所有字段统一改写”的承诺。

练习：一份金标只标注“输出 2”，能否验证 UTF-8 报表？不能；数字 2 可以是字符数，也可以是记录数。固定字节金标应注明编码、换行、输出通道和命令入口。复跑证据见 completion/evidence/semantics/*replay-all.* 与 completion/evidence/semantics/*course-semantics*；参考官方 Perl 5.38.2 pod/perluniintro.pod（Handling Unicode）、pod/perlunicode.pod（Byte and Character Semantics），以及 Encode 的 CHECK/LEAVE_SRC 语义。

Author: magicliang

Link: https://magicliang.github.io/2026/10/06/Perl-10-%E5%AD%97%E7%AC%A6%E4%B8%8E%E8%BE%93%E5%87%BA%E7%BC%96%E7%A0%81/

Copyright Notice: All articles on this blog are licensed under CC BY-NC-SA 4.0 unless otherwise stated.

Related Articles

Perl 17：/g 的下一次匹配有位置状态

在字符串 a,b 上写 while ($text =~ /([^,]+)/g)，第一次得到 a，第二次得到 b。差别并非正则凭空“记住上一条日志”，而是目标标量的搜索位置在匹配时变化。实测 pos($text) 先为 1、再为 3；下一次找不到时，默认失败会把位置重置为 undef。若混入 /gc，失败后不重置的契约又不同；不能把两种情况笼统说成“/g 永远继续”。零长度匹配更容易把位置误判成终止条件。实验对 ab 用 /(?=.)/g：STDOUT 的 zero-width=0,1，而不是无穷多个 0；代码另设最多 3 次的护栏，防止未来改动变成挂起。这只验证了该模式和本机 Perl 5.38.2 的有限样本；文档对重复零长度匹配有专门规则，不能由一个 while 循环推论每个含 \G 的模式都安全。执行 perl examples/perl-language/experiments/16-20-patterns.pl 17，四行输出和空 STDERR、退出码 0 记录在 examples/perl-language/evidence/15-20.md。工具本体目前按 TA...

Perl 27：对象的散列副本不是访问控制

上一章的构造器验证等级，若调用者随后把原散列的 INFO 改成 ERROR，报表所见的对象是否跟着变化？new 创建了新的最外层散列，因此不会。测试先构造 INFO，再修改 $fields->{level}，$record->level 仍是 INFO；as_hash 又返回 { %$self }，修改返回的散列最外层字段同样不改对象。这是两处明确的浅复制，不是 Perl 自动的对象快照。图：构造复制与对象数据所有权 123调用者 hash ----(逐字段复制)----> bless 后的 hash | | +-- 修改 level 不传过去 +-- as_hash 另复制一层反例更关键：$record->{level} = 'WARN' 可以直接改对象内部，之后 level 返回 WARN。bless 没有隐藏散列槽位，也没实施只读约束。本例四个值都是字符串，因此上述浅复制足够描述当前结构；将来若 message 改为嵌套引用，内层仍会共享，需重新制定所...

Perl 原定 E01：单行脚本要能还原成完整脚本

perl -n、perl -p、perl -a 常被写成命令行技巧，但课程验收不能只看屏幕上几行输出。Perl 5.38.2 的 perlrun 说明里，-n 给程序包一层 while (<>) { ... }，不会自动打印；-p 同样包循环，但每轮末尾打印当前 $_；-a 在隐式循环里把 split 结果放进 @F，并且文档明说 -a 会隐含设置 -n，-F 会隐含设置 -a 和 -n。这些开关改变的是解释器包裹源码的方式，不是另一套迷你语言。累计实验 examples/perl-language/experiments/course-oneliners.pl 先写入三行 TSV，再运行三条单行脚本：-ane 'print if $F[0] eq "INFO"' 过滤 INFO，-pe 's/^WARN/ERROR/' 生成替换后的流，-F'\t' -lane 'print "$F[0]:$F[1]"' 输出字段对。实验还把第一条单行脚本还原成完整脚本：显式 while (<>)、显式 split、条件 prin...

Perl 19A：闭包保存查询条件，而不是共享一份临时全局状态

按等级、耗时和消息片段筛日志时，最容易犯的错误是把“当前筛选条件”放进包变量。第一次查询设置 $level = 'ERROR'，第二次查询设置 $level = 'WARN'，若两个过滤器读的是同一个变量，先创建的过滤器也会跟着变。闭包适合这个场景：构造阶段把已经校验过的条件复制到词法变量，返回的代码引用以后只读取这些词法变量。 LogTool::Course::Filter::make_filter(%conditions) 支持三个条件：level 必须是 INFO、WARN 或 ERROR；min_duration_ms 是非负整数，和记录里的 duration_ms 比较；contains 是消息里的字面字符串，不当作正则。实现先复制 %conditions 里的值，再返回 sub { ... }。返回的闭包接收一条记录哈希引用，满足所有条件时返回真，否则返回假。这里保存的是条件值，不保存调用者传入的哈希容器。运行 perl examples/perl-language/experiments/course-semantics.pl closure，STDOUT 为： ...

Perl E05：能加载 CSV 不说明它从哪里来

第 23 篇隔离安装 Text::CSV，37 篇又把它写进发行元数据。复核时须区分源码包、安装路径、被实际加载的版本和执行后端：上游 Text-CSV-2.06.tar.gz 的 SHA-256 dfcaec925a788b0ba41e51bc6d16e21b0e98b4c7af9b79395090add75f5e506f 与官方 CHECKSUMS 核对过；本仓库 vendor/lib/perl5 中加载到 Text::CSV 2.06 和 Text::CSV_PP 后端。正例 STDOUT 2.06 Text::CSV_PP\n、STDERR 空、退出 0。反例用同一隔离路径要求 use Text::CSV 999;，STDOUT 空，STDERR 明确说 required version 999，退出非零。它验证版本约束确实可触发，并不代替缺失模块与编译环境的独立测试。VERSIONS.md 逐项列出发行 META 中的直接依赖、实际基础环境的核心模块版本、缺少推荐 XS 后端的事实，以及上游 52,723 项测试里可选 Test::Pod 被跳过；不能简化成“依赖都内...

Perl 26：bless 不替你验证日志记录

前 25 篇用散列引用传递已经校验过的记录。报表若需要一个对象接口，最先要问的不是怎么写 bless，而是传给构造器的四个字段究竟由谁验证：bless 只把引用关联到一个包，不检查散列结构，更不会把 DEBUG 变成允许的日志等级。 LogTool::Record->new($fields) 首先要求普通散列引用，time、level、service、message 四个键都存在且已定义，再限制 level 为 INFO、WARN 或 ERROR。这里的 message => '' 合法；删掉 message 或换成 undef 才是不满足构造契约。执行构造 INFO 的正例，STDOUT 为 INFO\n、STDERR 空、退出 0；把等级换成 DEBUG，STDOUT 空，STDERR 为 invalid record level\n，裸 perl -e 退出 255。完整命令与金标见 examples/perl-language/evidence/26-31.md。 12my $record = LogTool::Record->new($fields);...

Loading Database