Question

编辑：抱歉!似乎阿拉伯语和其他文本的奇怪的换行行为完全是由于其他原因。不幸的是，我在玩这个剧本的同时注意到了它。

我正在尝试重新格式化Perl中TTYtter给出的文本字段。（来源here）

文本定义为“状态更新的实际UTF-8文本。有关当前认为有效字符的详细信息，请参阅twitter-text。” （来自Twitter开发页面）。

使用

$txtin = $ref->{'text'};
$txtin =~ s/\\n\s*/ \\ /g;

删除并替换换行符为“英语”（西方？）文本的罚款，但对其他语言做了一些奇怪的事情。希腊语＆amp;阿拉伯语文本似乎使用这种替换字符串方法添加了新行。

我尝试过匹配\ p {Zl}（在CPAN-perlunicode.pod中找到），例如：

$txtin =~ s/\p{Z1}\s*/ \\ /g;

但是在西化的推文中留下了\ n，因此它与我期望/希望的不匹配。

所以基本上，我的问题是：如何替换utf8 blob文本（推文）中的所有换行/符号字符，这将适用于西里尔语，阿拉伯语，汉字和＆amp; Perl中的西方内容？

谢谢！

编辑：如果您错过了第一次编辑并阅读了这一点，这是一个基于错误假设的问题。这不是新线剥离引起的问题。显然，这是一个完全与上述无关的文本包装问题。此问题现已标记为审核（因为我无法将其删除）。

Answer 1

\\匹配单个反斜杠字符，因此/\\p{Z1}/匹配反斜杠，然后匹配文字字符串p{Z1}。要匹配字符类\p{Z1}，您需要在正则表达式的开头添加一个或多个反斜杠，具体取决于输入是否包含反斜杠。

Answer 2

s/\\n\s*/ \\ /g不会删除并替换“英语”（西方？）文本^[1]的换行符，并且不会为希腊语和阿拉伯语文本添加换行符。我不知道你使用了什么，但是要替换一个可选地后跟空格的换行符，你可以在解码后的文本上使用以下内容：

s/\n\s*/.../g

如何替换utf8 blob文本（推文）中的所有换行符/ cr符号，这些符号适用于西里尔语，阿拉伯语，汉字和＆... Perl中的西方内容？

换行符是换行符，无论其附近有什么字符。回车也是如此。

utf8::decode( my $unicode_chars = $utf8_bytes );
$unicode_chars =~ s/[\r\n]/.../g;
utf8::encode( $utf8_bytes = $unicode_chars );

或许你在问如何替换垂直空白字符？

utf8::decode( my $unicode_chars = $utf8_bytes );
$unicode_chars =~ s/\v/.../g;
utf8::encode( $utf8_bytes = $unicode_chars );

注意：

Answer 3

唉唉。显然这是关闭它的一种方法。请参阅EDIT的原始版本。显然这是一个自动换行问题，与删除换行符无关。