这里有一个Perl脚本，我期望打印时found执行时：
#!/usr/bin/perl use warnings; use strict; use utf8; use Encode; use constant filename => 'Bärlauch'; open (my $out, '>', filename) or die; close $out; opendir(my $dir, '.') or die; while (my $filename_read = readdir($dir)) { # $filename_read = encode('utf8', $filename_read); print "found\n" if $filename_read eq filename; }
该脚本首先创build一个名称为常量filename 。 （在运行脚本之后，我可以使用ls来validation文件的存在，并且文件不是用“funny”字符创build的。）
然后，脚本遍历当前工作目录中的文件，如果有名称与刚刚创build的文件相同的文件，则打印该文件。 这显然应该是这样的。
但是，它不（Ubuntu，bash， LANG=en_US.UTF8 ）
如果我将这个常量改为Barlauch ，它就会按预期工作，并found打印件。
取消注释$filename_read = encode('utf8', $filename_read); 不会改变行为。
有没有解释这个，我该怎么做才能识别Umlaute的文件名呢？
这个问题（正如我解释的那样）是：
为什么不
readdir返回新创建的文件名？ （这里，由设置为Bärlauch的变量filename表示）。
（注意： filename是一个Perl常量变量，所以这就是为什么它在前面缺少$ sigil。）
背景：
首先注意：由于在程序开始时use utf8语句，所以在编译时filename名将被升级为Unicode字符串，因为它包含非ASCII字符。 从utf8编译指南的文档：
启用utf8编译指示具有以下效果：源文本中不在ASCII字符集中的字节将被视为文字UTF-8序列的一部分。 这包括大多数文字，例如标识符名称，字符串常量和常量正则表达式模式。
另外，根据perluniintro部分“Perl的Unicode模型” ：
一般的原则是，Perl试图尽可能长时间保持数据为八位字节，但是一旦Unicode变得无法避免，数据就会被透明地升级到Unicode。
…
在内部，Perl当前使用平台的本地八位字符集（例如Latin-1）（默认为UTF-8）编码Unicode字符串。
filename的非ASCII字符是字母ä 。 如果使用ISO 8859-1扩展ASCII编码（Latin-1），则编码为字节值0xE4 ，请参阅0xE4此表 。 但是，如果从filename删除了ä字符，则它将只包含ASCII字符，因此即使使用了utf8编译指示，也不会将其内部升级为Unicode。
所以filename现在是一个Unicode字符串，内部设置了UTF-8标志（有关UTF-8标志的更多信息，请参见utf8编译指示）。 请注意，字母ä以UTF-8编码为两个字节0xC3 0xA4 。
编写文件：
在编写文件时，文件名会发生什么？ 如果filename是一个Unicode字符串，它将被编码为UTF-8。 但是请注意，不需要先编码filename （ encode_utf8( filename ) ）。 有关更多信息，请参阅使用unicode字符创建文件名 。 所以文件名以UTF-8编码的字节写入磁盘。
读回文件名：
当尝试从磁盘读取文件名时，即使文件名包含以UTF-8编码的字节， readdir也不会返回Unicode字符串（即设置了UTF-8标志的字符串）。 它返回二进制或字节字符串，参见perlunitut讨论字节串vs字符（Unicode）字符串。
为什么不readdir返回Unicode字符串？ 首先，根据perlunicode节“当Unicode不发生时” ：
还有很多地方可以将Unicode（在一些编码或其他编码中）作为参数给出，或者以Perl的形式作为结果接收，或者两者都不是。 （……）
以下是这样的接口。 对于所有这些接口，Perl当前（从v5.16.0开始）只是假定字节串作为参数和结果。 （……）
Perl在这些情况下不试图解决Unicode角色的一个原因是答案高度依赖于操作系统和文件系统。 例如，文件名是否可以使用Unicode，以及使用何种编码，并不是一个便携式的概念。 （……）
- chdir，chmod，chown，chroot，exec，link，lstat，mkdir，rename，rmdir， – stat，符号链接，truncate，unlink，utime，-X
- ％ENV
- glob（又名<*>）
- 打开，opendir，sysopen
- qx（又名反向运营商），系统
- readdir，readlink
所以readdir返回字节字符串，因为通常不可能事先知道文件名的编码。 有关为什么这是不可能的背景信息，请参阅例如：
字符串比较：
现在，最后你试着比较读取文件名$filename_read和变量filename ：
print "found\n" if $filename_read eq filename;
在这种情况下， $filename_read和filename之间的唯一区别是$filename_read没有设置UTF-8标志（这不是Perl内部认为是“Unicode字符串”的东西 ）。
现在有趣的是， eq运算符的结果将取决于$filename_read的字节是否是纯ASCII。 根据编码模块的文档：
在Perl中引入Unicode支持之前，
eq运算符只是比较两个标量所代表的字符串。 从Perl 5.8开始，eq比较了两个字符串，同时考虑了UTF8标志。…
当你解码时，UTF8的标志是打开的 – 除非你能明确地表示数据。
所以在你的情况下， eq将考虑UTF-8标志，因为$file_name_read不包含纯ASCII，因此它会考虑这两个字符串不相等。 如果$filename_read和filename在相同的地方并且只包含纯ASCII字节（并且filename还设置了UTF-8标志， $filename_read没有设置UTF-8标志），那么eq会认为这两个字符串是相等的。 请参阅文档中的讨论以编码有关此行为背景的更多信息。
结论：
因此，如果您确信所有的文件名都是UTF-8编码的，您可以通过将从readdir返回的字符串解码为Unicode字符串（强制设置UTF-8标志）来解决问题。
$filename_read = Encode::decode_utf8( $filename_read );
更多细节
注意：因为Unicode允许多个表示相同的字符，所以在Bärlauch存在两种形式的ä （拉丁语小写字母A组合）。 例如，
在我的平台（Linux）上，UTF-8编码的文件名使用NFC形式存储，但是在Mac OS上它们使用NFD形式。 有关更多信息，请参阅Encode::UTF8Mac 。 这意味着如果您在Linux机器上工作，例如克隆由Mac用户创建的Git存储库，则可以轻松地在您的Linux机器上获得NFD编码的文件名。 所以Linux文件系统并不关心编码文件的编码方式， 它只是把它看作一个字节序列。 因此，即使我的语言环境是"en_US.UTF-8" ，我也可以轻松地编写一个创建ISO-Latin-1编码文件名的脚本。 当前的语言环境设置只是应用程序的指导原则，但是如果应用程序忽略语言环境设置，则不会阻止他们这样做。
所以如果你不确定从readdir返回的文件名是否使用NFC或NFD，你应该在解码完成后分解：
use Unicode::Normalize; print "found\n" if NFD( $filename_read ) eq NFD( filename );
另请参阅Perl Unicode Cookbook部分“始终分解和重构”。
最后，为了更多地了解Locale如何在Perl中与Unicode一起工作，你可以看看：