home *** CD-ROM | disk | FTP | other *** search
/ PC World 2005 June / PCWorld_2005-06_cd.bin / software / vyzkuste / firewally / firewally.exe / framework-2.3.exe / PerlIO.pod < prev    next >
Encoding:
Text File  |  2003-11-07  |  5.9 KB  |  168 lines
  1. =head1 NAME
  2.  
  3. Encode::PerlIO -- a detailed document on Encode and PerlIO
  4.  
  5. =head1 Overview
  6.  
  7. It is very common to want to do encoding transformations when
  8. reading or writing files, network connections, pipes etc.
  9. If Perl is configured to use the new 'perlio' IO system then
  10. C<Encode> provides a "layer" (see L<PerlIO>) which can transform
  11. data as it is read or written.
  12.  
  13. Here is how the blind poet would modernise the encoding:
  14.  
  15.     use Encode;
  16.     open(my $iliad,'<:encoding(iso-8859-7)','iliad.greek');
  17.     open(my $utf8,'>:utf8','iliad.utf8');
  18.     my @epic = <$iliad>;
  19.     print $utf8 @epic;
  20.     close($utf8);
  21.     close($illiad);
  22.  
  23. In addition, the new IO system can also be configured to read/write
  24. UTF-8 encoded characters (as noted above, this is efficient):
  25.  
  26.     open(my $fh,'>:utf8','anything');
  27.     print $fh "Any \x{0021} string \N{SMILEY FACE}\n";
  28.  
  29. Either of the above forms of "layer" specifications can be made the default
  30. for a lexical scope with the C<use open ...> pragma. See L<open>.
  31.  
  32. Once a handle is open, its layers can be altered using C<binmode>.
  33.  
  34. Without any such configuration, or if Perl itself is built using the
  35. system's own IO, then write operations assume that the file handle
  36. accepts only I<bytes> and will C<die> if a character larger than 255 is
  37. written to the handle. When reading, each octet from the handle becomes
  38. a byte-in-a-character. Note that this default is the same behaviour
  39. as bytes-only languages (including Perl before v5.6) would have,
  40. and is sufficient to handle native 8-bit encodings e.g. iso-8859-1,
  41. EBCDIC etc. and any legacy mechanisms for handling other encodings
  42. and binary data.
  43.  
  44. In other cases, it is the program's responsibility to transform
  45. characters into bytes using the API above before doing writes, and to
  46. transform the bytes read from a handle into characters before doing
  47. "character operations" (e.g. C<lc>, C</\W+/>, ...).
  48.  
  49. You can also use PerlIO to convert larger amounts of data you don't
  50. want to bring into memory.  For example, to convert between ISO-8859-1
  51. (Latin 1) and UTF-8 (or UTF-EBCDIC in EBCDIC machines):
  52.  
  53.     open(F, "<:encoding(iso-8859-1)", "data.txt") or die $!;
  54.     open(G, ">:utf8",                 "data.utf") or die $!;
  55.     while (<F>) { print G }
  56.  
  57.     # Could also do "print G <F>" but that would pull
  58.     # the whole file into memory just to write it out again.
  59.  
  60. More examples:
  61.  
  62.     open(my $f, "<:encoding(cp1252)")
  63.     open(my $g, ">:encoding(iso-8859-2)")
  64.     open(my $h, ">:encoding(latin9)")       # iso-8859-15
  65.  
  66. See also L<encoding> for how to change the default encoding of the
  67. data in your script.
  68.  
  69. =head1 How does it work?
  70.  
  71. Here is a crude diagram of how filehandle, PerlIO, and Encode
  72. interact.
  73.  
  74.   filehandle <-> PerlIO        PerlIO <-> scalar (read/printed)
  75.                        \      /
  76.                         Encode   
  77.  
  78. When PerlIO receives data from either direction, it fills a buffer
  79. (currently with 1024 bytes) and passes the buffer to Encode.
  80. Encode tries to convert the valid part and passes it back to PerlIO,
  81. leaving invalid parts (usually a partial character) in the buffer.
  82. PerlIO then appends more data to the buffer, calls Encode again,
  83. and so on until the data stream ends.
  84.  
  85. To do so, PerlIO always calls (de|en)code methods with CHECK set to 1.
  86. This ensures that the method stops at the right place when it
  87. encounters partial character.  The following is what happens when
  88. PerlIO and Encode tries to encode (from utf8) more than 1024 bytes
  89. and the buffer boundary happens to be in the middle of a character.
  90.  
  91.    A   B   C   ....   ~     \x{3000}    ....
  92.   41  42  43   ....  7E   e3   80   80  ....
  93.   <- buffer --------------->
  94.   << encoded >>>>>>>>>>
  95.                        <- next buffer ------
  96.  
  97. Encode converts from the beginning to \x7E, leaving \xe3 in the buffer
  98. because it is invalid (partial character).
  99.  
  100. Unfortunately, this scheme does not work well with escape-based
  101. encodings such as ISO-2022-JP.
  102.  
  103. =head1 Line Buffering
  104.  
  105. Now let's see what happens when you try to decode from ISO-2022-JP and
  106. the buffer ends in the middle of a character.
  107.  
  108.               JIS208-ESC   \x{5f3e}
  109.    A   B   C   ....   ~   \e   $   B  |DAN | ....
  110.   41  42  43   ....  7E   1b  24  41  43  46 ....
  111.   <- buffer --------------------------->
  112.   << encoded >>>>>>>>>>>>>>>>>>>>>>>
  113.  
  114. As you see, the next buffer begins with \x43.  But \x43 is 'C' in
  115. ASCII, which is wrong in this case because we are now in JISX 0208
  116. area so it has to convert \x43\x46, not \x43.  Unlike utf8 and EUC,
  117. in escape-based encodings you can't tell if a given octet is a whole
  118. character or just part of it.
  119.  
  120. Fortunately PerlIO also supports line buffer if you tell PerlIO to use
  121. one instead of fixed buffer.  Since ISO-2022-JP is guaranteed to revert to ASCII at the end of the line, partial
  122. character will never happen when line buffer is used.
  123.  
  124. To tell PerlIO to use line buffer, implement -E<gt>needs_lines method
  125. for your encoding object.  See  L<Encode::Encoding> for details.
  126.  
  127. Thanks to these efforts most encodings that come with Encode support
  128. PerlIO but that still leaves following encodings.
  129.  
  130.   iso-2022-kr
  131.   MIME-B
  132.   MIME-Header
  133.   MIME-Q
  134.  
  135. Fortunately iso-2022-kr is hardly used (according to Jungshik) and
  136. MIME-* are very unlikely to be fed to PerlIO because they are for mail
  137. headers.  See L<Encode::MIME::Header> for details.
  138.  
  139. =head2 How can I tell whether my encoding fully supports PerlIO ?
  140.  
  141. As of this writing, any encoding whose class belongs to Encode::XS and
  142. Encode::Unicode works.  The Encode module has a C<perlio_ok> method
  143. which you can use before appling PerlIO encoding to the filehandle.
  144. Here is an example:
  145.  
  146.   my $use_perlio = perlio_ok($enc);
  147.   my $layer = $use_perlio ? "<:raw" : "<:encoding($enc)";
  148.   open my $fh, $layer, $file or die "$file : $!";
  149.   while(<$fh>){
  150.     $_ = decode($enc, $_) unless $use_perlio;
  151.     # .... 
  152.   }
  153.  
  154. =head1 SEE ALSO
  155.  
  156. L<Encode::Encoding>,
  157. L<Encode::Supported>,
  158. L<Encode::PerlIO>, 
  159. L<encoding>,
  160. L<perlebcdic>, 
  161. L<perlfunc/open>, 
  162. L<perlunicode>, 
  163. L<utf8>, 
  164. the Perl Unicode Mailing List E<lt>perl-unicode@perl.orgE<gt>
  165.  
  166. =cut
  167.  
  168.