Unicode和：alpha：

Question

为什么这是false：

iex(1)> String.match?("汉语漢語", ~r/^[[:alpha:]]+$/)
false

但这是true？：

iex(2)> String.match?("汉语漢語", ~r/[[:alpha:]]/)
true

有时[:alpha:]是unicode，有时候不是吗？

编辑：

我认为我原来的例子不够清楚。

为什么这是false：

iex(1)> String.match?("汉", ~r/^[[:alpha:]]+$/)
false

但这是true？：

iex(2)> String.match?("汉", ~r/[[:alpha:]]/)
true

Answer 1

当您以非Unicode模式将字符串传递给正则表达式时，它将被视为字节数组，而不是Unicode字符串。请参阅IO.puts byte_size("汉语漢語")（12，输入包含的所有字节：230,177,137,232,175,173,230,188,162,232,170,158）和IO.puts String.length("汉语漢語")（4，Unicode“字母”）的区别。字符串中有些字节无法与[:alpha:] POSIX字符类匹配。因此，第一个表达式不起作用，而第二个表达式起作用，因为它只需要1个字符来返回有效匹配。

要将Unicode字符串与PCRE正则表达式库（在Elixir中使用）正确匹配，您需要使用/u修饰符启用Unicode模式：

IO.puts String.match?("汉语漢語", ~r/^[[:alpha:]]+$/u)

请参阅IDEONE demo（打印true）

请参阅Elixir regex reference：

  

unicode (u) - 启用unicode特定模式，例如\p和更改修饰符，例如\w，\W，\s和朋友也可以匹配unicode。它期望在匹配时给出有效的unicode字符串。