Comment puis-je inverser une chaîne contenant des caractères de combinaison en Perl?

Question

J'ai la chaîne "re\x{0301}sume\x{0301}" (qui imprime comme ceci: re & # x0301; sume & # x0301;) et je veux l'inverser à "e\x{0301}muse\x{0301}r" (e & # x0301; muse & # x0301; r). Je ne peux pas utiliser le reverse de Perl car il traite des caractères de combinaison comme "\x{0301}" comme des caractères séparés, donc je finis par obtenir "\x{0301}emus\x{0301}er" (& # x0301; emus & # x0301; er). Comment puis-je inverser la chaîne, mais toujours respecter les caractères de combinaison?

Answer 1

La meilleure réponse est d'utiliser Unicode::GCString, as Sinan points out

---

J'ai modifié l'exemple de Chas un peu:

• Définissez le codage sur STDOUT pour éviter les avertissements "caractères larges dans l'impression";
• Utilisez une assertion avant positive (sans préciser le mode de rétention de séparation) dans split (ne fonctionne pas après 5,10, apparemment, donc je l'ai enlevé)

Il est fondamentalement la même chose avec quelques coups secs.

use strict; 
use warnings; 

binmode STDOUT, ":utf8"; 

my $original = "re\x{0301}sume\x{0301}"; 
my $wrong = reverse $original; 
my $right = join '', reverse split /(\X)/, $original; 

print <<HERE; 
original: [$original] 
    wrong: [$wrong] 
    right: [$right] 
HERE 

Answer 2

Vous pouvez utiliser le \X special escape (correspondant à un caractère non-combinaison et tous les caractères combinant suivants) avec split pour faire une liste des graphèmes (avec des chaînes vides entre eux), inverse la liste des graphèmes, puis les join retour ensemble:

#!/usr/bin/perl 

use strict; 
use warnings; 

my $original = "re\x{0301}sume\x{0301}"; 
my $wrong = reverse $original; 
my $right = join '', reverse split /(\X)/, $original; 
print "original: $original\n", 
     "wrong: $wrong\n", 
     "right: $right\n"; 

Answer 3

Certaines des autres réponses contiennent des éléments qui ne fonctionnent pas bien. Voici un exemple de travail testé sur Perl 5.12 et 5.14. Si vous ne spécifiez pas binmode, la sortie générera des messages d'erreur. L'utilisation d'une assertion lookahead positive (et pas de mode de rétention de séparateur) dans split entraînera une erreur de sortie sur mon Macbook.

#!/usr/bin/perl 

use strict; 
use warnings; 
use feature 'unicode_strings'; 

binmode STDOUT, ":utf8"; 

my $original = "re\x{0301}sume\x{0301}"; 
my $wrong = reverse $original; 
my $right = join '', reverse split /(\X)/, $original; 
print "original: $original\n", 
     "wrong: $wrong\n", 
     "right: $right\n"; 

Answer 4

Vous pouvez utiliser Unicode::GCString:

Unicode :: GCString traite chaîne Unicode comme une séquence de groupes de graphèmes étendues définies par Unicode standard Annexe # 29 [UAX # 29].

#!/usr/bin/env perl 

use utf8; 
use strict; 
use warnings; 
use feature 'say'; 
use open qw(:std :utf8); 

use Unicode::GCString; 

my $x = "re\x{0301}sume\x{0301}"; 
my $y = Unicode::GCString->new($x); 
my $wrong = reverse $x; 
my $correct = join '', reverse @{ $y->as_arrayref }; 

say "$x -> $wrong"; 
say "$y -> $correct"; 

Sortie:

résumé -> ́emuśer 
résumé -> émusér