Question

Ruby /[[:punct:]]/应该匹配所有“标点字符”。根据{{3}}，这意味着每个POSIX标准/[\]\[!"#$%&'()*+,./:;<=>?@\^_`{|}~-]/。

匹配：-[]\;',./!@#%&*()_{}::"?。

但是，它不匹配：=`~$^+|<>（至少在ruby 1.9.3p194中）。

是什么给出了？

Answer 1

标点字符类由语言环境定义。开放组LC_TYPE definition for punct说：

定义要分类为标点字符的字符。在POSIX语言环境中，既不应包括<space>，也不应包括alpha，digit或cntrl类中的任何字符。在区域设置定义文件中，不会为关键字upper，lower，alpha，digit，cntrl，xdigit或指定的关键字指定字符。

基本上，它定义了如何通过排除其他字符类来定义 punct ，但它实际上并不直接定义标点符号 - 这是语言环境的工作。

我无法找到每个区域设置中的规范参考。也许别人知道。同时，您可以找到与您想要的 punct 字符类匹配的LC_TYPE，或者直接指定该类。

Answer 2

大于号码位于"Symbol, Math" category，而不是标点符号类别。如果你强制使用正则表达式的编码为UTF-8（默认为源编码，可能你的源是UTF-8编码，而我的默认源是其他的），你可以看到这一点：

2.1.2 :004 > /[[:punct:]]/u =~ '<'
 => nil 
2.1.2 :005 > /[[:punct:]]/ =~ '<'
 => 0

如果强制使用正则表达式进行ASCII编码（/ n - 更多选项here），您会看到它分类为'＆lt;'在punct中，我认为这就是你想要的。但是，如果源包含UTF-8的ASCII子集之外的字符，则可能会出现问题。

2.1.2 :009 > /[[:punct:]]/n =~ '<'
 => 0

更好的解决方案是在正则表达式中使用“符号”类别而不是“匹配”类别，它匹配“＆lt;”采用UTF-8编码：

2.1.2 :012 > /\p{S}/u =~ '<'
 => 0

有一个较长的类别列表here。