Unicode の16進数の実体参照を正規表現などで元に戻す

Unicode の16進数の実体参照を正規表現などで元に戻す 2008-05-10-3 [Programming] 普段は適切に処理をされてて問題にならないんだけど、 ときどきひょんな局面で出会ってしまうのが、 "�" という形式の文字列、16進数の実体参照です。 Perl でデコードする方法をメモ。 pack と Encode::decode を使うと良いみたい。 #!/usr/bin/perl use strict; use warnings; use Encode; use utf8; binmode STDOUT, ":utf8"; my $a = "情報時代"; $a =~ s/&#x([0-9A-F]{4});/decode('UCS2', pack('H*', $1))/ge; print "$a\n";

[Cherenkov]

数値文字参照 文字実体参照 特殊文字 記号

[u1_113]

Twitter のRSSを読めるようにするために。HTML::Entities 便利。

[kujoo]

use HTML::Entities;

[sato_shin]

文字列値参照

[kits]

「文字数値参照」という言葉は無い(と思う)。XMLでは単に文字参照。HTMLでは文字実体参照も含めて文字参照と総称されているので、仕様書では数値文字参照という言葉が使われている。