问题标签 [character-class]

问题

尽管 PHP 手册指出：

“在 UTF-8 模式下，值大于 128 的字符与任何 POSIX 字符类都不匹配。”

为什么波斯数字匹配\d或[[:digit:]]处于“UTF-8 模式”？

细化

在一个不相关问题的回答者评论中提到，在正则表达式中，\d不仅匹配 ASCII 数字0，9而且还匹配波斯数字 ( ۰ ۱ ۲ ۳ ۴ ۵ ۶ ۷)。

上面提到的问题被标记为java但在 PHP 中也可以观察到该行为。考虑到这一点，我编写了以下“测试”：

结果数组仅$capture包含一个匹配项。5

使用u修饰符打开“UTF-8 模式”并运行：

导致在和$capture上都包含匹配项。۳5

笔记

• 这个问题是指 PHP 5.6.22（最新的）
• 这两个测试都是在明确使用C语言环境时执行的。

我需要在 Java 中执行以下正则表达式：

在每个逗号处拆分一个字符串，该字符串前面没有反斜杠（即转义），后跟零个或多个空格。

我一直在尝试这个：

这是 Perl 中的正确语法并在那里工作。在 Java 中并非如此。

以上在编译过程中已经抛出异常：

在字符类中添加第三个和第四个反斜杠没有帮助

在空白处添加第二个反斜杠允许它编译，

但随后出现运行regex.PatternSyntaxException时，说明unclosed character class：

显然缺少一个反斜杠，我无法将其输入...谁能告诉我这应该如何在 Java 中完成？

谢谢！

我编写了一个 Perl 脚本，它打印出与 Unicode 属性匹配的字符。到目前为止，它似乎对大多数属性都有效。

但它会ÀÁÂÃÄÅÆÇÈÉÊËÌÍÎÏÐÑÒÓÔÕÖØÙÚÛÜÝÞßàáâãäåæçèéêëìíîïðñòóôõöøùúûüýþ ÿ在匹配的字符中打印出来[^\w]。这些字符应该更匹配\w。奇怪的是，他们匹配\p{Word}。

我试过没有成功：

• map { decode ( "UTF-8", $_ ) }
• map { pack 'U0C*', unpack 'C*', $_ }

我怎样才能使[^\w]那些单词字符不匹配？

字符.pl

好的：

好的：

坏的：

Perl v5.14.2

What character class or Unicode property will match any Unicode vowel in Perl?

Wrong answer: [aeiouAEIOU]. (sermon here, item #24 in the laundry list)

perluniprops mentions vowels only for Hangul and Indic scripts.

Let's set aside the question what a vowel is. Yes, i may not be a vowel in some contexts. So, any character that can be a vowel will do.

我正在将一个项目从 Lua 翻译成 C++。在 Lua 版本中，我使用 Lua 的正则表达式，但目的非常简单，以至于在 C++ 中我可以通过简单地将字符与一些 Ascii 代码进行比较来实现。

但是，要做到这一点，我需要每个字符类匹配的确切 ascii 代码。

例如，%s匹配所有空格字符，但这些字符到底是什么？我需要知道每个 Lua 字符类。

我想创建一个不匹配任何字符的字符类。现在，我一直在表示这样的模式：

甚至

有没有合适的方法来做到这一点？

注意：无需提供不涉及字符类的替代解决方案（负前瞻等）。我只是想知道是否有“正确”的方法来做到这一点。

更新：我正在实现一项功能，该功能首先向用户打印他输入的简化版本。由于我正在简化字符类，因此我当前的版本只会打印[]输入，例如[a&&b]. 如果我们[]再次解析，它会抛出一个错误，这不是我想要的。因此，这就是为什么我想知道是否有一种正确的方法来做到这一点，它不会通过向他展示类似的东西来改变用户输入^$

我正在尝试使用我在此处找到的方法替换除 - 和 _ 之外的所有标点符号，但我只能使用发布的使用负前瞻的确切代码来让它工作：

我试过：

谢谢。

该代码没有显示错误，但每次我输入一个数字时，它都会显示“不是数字”。

不像grep我不能在`awk.d'中定义数字字符类的大小/范围。任何正确方向的线索都值得赞赏。

在grep我可以定义数字字符类的大小/长度

现在我想用 awk 来做这件事，但同样的正则表达式不起作用。

例如以下命令不提供任何输出。

我期待上面的命令打印

注意 1：目前我正在使用定义范围，但对于大范围来说并不好。

笔记2：

我在 RHEL 上的 GAWK 版本是：

如果它的第一个字段包含所有数字，我想打印一行（没有特殊字符，甚至要考虑空格）

这里出了什么问题？我的 AWK 版本不理解 GNU 字符类吗？请帮助