Question

java.util.regex.Pattern的Javadoc表示\cx代表与x 对应的控制字符。所以我认为Pattern.compile()会拒绝\c后面跟[@-_]以外的任何字符，但事实并非如此！

正如@tchrist对What is a regular expression for control characters?的答案之一所评论的那样，范围根本没有检查。我从较高的块和星界平面测试了几个字符，看起来它只是翻转了码点值的第7个最低位。

这是一个Javadoc错误还是一个实现错误，还是我误解了什么？ \cx是Java发明的语法还是其他正则表达式引擎支持，尤其是Perl？那是怎么处理的？

Answer 1

所有版本的Perl对于以下转义都表现相同：

当\c后跟ASCII大写字母或@[\]^_?之一时，

chr(ord($char) ^ 0x40)

这提供了对所有ASCII控制字符的完全覆盖（0x00 .. 0x1F，0x7F）。

\c@ === \x00
\cA === \x01
...
\cZ === \x1A
\c[ === \x1B
\c\ === \x1C   # Sometimes \c\\ is needed.
\c] === \x1D
\c^ === \x1E
\c_ === \x1F
\c? === \x7F

当\c后面跟一个ASCII小写字母时，

chr(ord($char) ^ 0x60)

这使得转义不区分大小写。
```
\ca === \cA === \x01
...
\cz === \cZ === \x1A
```

没有其他序列有意义，但错误检查仅在Perl 5.20中引入。

≥5.20，
- 当\c后跟空格，ASCII数字或!"#$%&'()*+,-./:;<=>{|}~之一时，
  
  chr(ord($char) ^ 0x40)，但警告（is more clearly written simply as）。
- 当\c后跟一个ASCII控制字符（0x00 .. 0x1F，0x7F）或非ASCII字符（≥{{1 }}），
  
  致命错误0x80。
＆LT; 5.20，
- 当Character following "\c" must be printable ASCII后跟一个空格，一个ASCII数字，\c之一或ASCII控制字符（!"#$%&'()*+,-./:;<=>{|}~ .. 0x00时， 0x1F），
  
  0x7F
- 当chr(ord($char) ^ 0x40)后跟字符≥\c时，
  
  垃圾总量（0x100）。
- chr(ord(substr(encode_utf8($char, 0, 1)) ^ 0x40) . encode_utf8($char, 1)后跟字符\c .. 0x80，
  
  根据字符串的内部存储格式，生成0xFF或与字符≥chr(ord($char) ^ 0x40)相同的总垃圾。

Java正则表达式\ cx（控制字符）

1 个答案: