为什么下划线属于\ w？

Question

这可能是一个理论问题。

为什么下划线_位于正则表达式\w下，而不是\W下

我希望这不是主要基于意见的，因为应该有理由。

如果可以的话，引用会很棒。

Answer 1

来自维基百科的Regular expression文章（强调我的）：

  

某些工具理解的另一个非POSIX类是[:word:]，通常定义为[:alnum:]加下划线。 这反映了这样一个事实：在许多编程语言中，这些是可以在标识符中使用的字符 。

在perl，tcl和vim中，此非标准类由\w表示（此类以外的字符代表\W）。

Answer 2

\w匹配具有以下任何属性的任何单个代码点：

• \p{GC=Alphabetic}（字母和更多unicode点）

• \p{GC=Mark}（标记：间距，非间距，封闭）

• \p{GC=Connector_Punctuation}（例如下划线）

• \p{GC=Decimal_Number}（数字及其他数字变体）

• \p{Join_Control}（代码点U + 0200C和U + 0200D）

这些属性用于脚本中编程语言标识符的组合。例如 ^[1] ：

  

添加了连接符标点符号（\p{GC=Connector_Punctuation}）以用于编程语言标识符，从而添加＆＃34; _＆＃34;和类似的人物。

有一个 ^[2] ：

  

一般意图，标识符由一系列以字母或表意文字开头的字符组成，后跟任意数量的字母，表意符号，数字或下划线。

\p{Join_Control}实际上最近也添加到了字符类\w和here＆＃39;一条消息，perl开发者交换了它的实现，支持我之前提到{ {1}}用于撰写标识符。