Question

这在Perl 5.22.1中得到修复。我在Perl v5.22 adds fancy Unicode word boundaries写了一下。

Perl v5.22从TR #29添加了Unicode断言。我一直在玩句子边界断言，但它似乎只能找到文本的开头和结尾：

use v5.22;

$_ = "See Spot. (Spot is a dog.) See Spot run. Run Spot, run!\x{2029}New paragraph.";

while( m/\b{sb}/g ) {
    say "Sentence boundary at ", pos;
    }

输出会在文本的开头和结尾处记录句子边界，但不会在完整句点，句子终止符或parens之后记录句子边界：

Sentence boundary at 0
Sentence boundary at 70

Unicode breaks tester主要显示他们，我希望他们基于TR #29。

我在perl源代码中找不到任何关于此功能的非平凡测试。我正在消化技术报告以创建适当的测试用例，但到目前为止，这看起来像是另一个未经测试和破坏的功能。

Answer 1

Calle Dybedahl的评论是正确的（当他们把它变成答案我会接受的）。这是v5.22.0中的一个特性，据我所知，未经测试。我昨晚有一个问题汇编了最新的perls，结束了这一天的问题。

perl5.22.1 perldelta 没有提到特定的变化（并且“提及”可能过于强烈，因为它仅仅暗示了可能出现的错误而没有枚举它们）。它提到与5.20.0（剪切和粘贴错误？），“单个”异常，然后不止一个问题的不兼容更改。对“理智”的提及使我认为所有的变化都与下一小节中的恐慌问题有关。只有一个rt.perl.org引用提到“几个错误”让我觉得这些错误与恐慌问题有关。

= head1不兼容的更改

除了5.20.0之外，没有任何故意与5.20.0不相容   遵循单一例外，我们认为这是一个明智的改变   为了获得新的C＆lt; \ b {wb}＆gt;和（特别是）C＆lt; \ b {sb}＆gt;功能健全   之前人们认为他们因为Perl 5.22.0中的漏洞而毫无价值   实施并在将来避免它们。   如果存在其他任何内容，则它们是错误，我们要求您提交报告。   见下文L.

= head2 Bounds Checking Constructs

已经使用边界修复了一些错误，包括分段错误   检查构造（在Perl 5.22中引入）C＆lt; \ b {gcb}＆gt;，C＆lt; \ b {sb}＆gt;，C＆lt; \ b {wb}＆gt;，   C＆lt; \ B {gcb}＆gt;，C＆lt; \ B {sb}＆gt;和C＆lt; \ B {wb}＆gt;。所有C＆lt; \ B {}＆gt;现在匹配空   串;没有C＆lt; \ b {}＆gt;那些。   L＆lt; [perl＃126319] | https://rt.perl.org/Ticket/Display.html?id=126319＆gt;

此外，记录新边界的 perlrebackslash 并未提及它们在v5.22.0中不起作用。

由于 perldelta 中的不协调以及之前我在perl源中测试的新功能不够充分（甚至根本没有），我忽略了可能的修复。我过早地切断了调查线，本可以节省几个小时。我最近没有让代码在最新的二进制文件上运行，这当然是我的错，但我已经开始关注我做错了什么以及我的代码是问题的想法。尽管我过去经历了许多相反的经历，但我并没有想到 perl 错误的想法（除了更新UCD之外）。

现在我在一台不同的机器并且有一个工作的perl-5.22.1，我看到我的程序在点发布中按预期工作。 perldelta 在这里可能会好得多。

Answer 2

我主要责怪这种情况，但还有其他人参与，所以我会在下面的地方使用复数第一人。

首先，5.22.1的perldelta表示5.20.0，这意味着5.22.0，这是一个错字。它只提到了一个问题，因为在我们看来它们只是一件事，Unicode打破了界限。

这些是在5.22后期添加的，我们没有意识到在5.22发货后才出现问题。当问题开始出现时，其中一些被证明是Unicode指定算法中的错误，我们假设一切都是这样。

但是一切都经过了测试，而且我认为，足够广泛。最近的Unicode版本包括发布各种功能的测试，5.22.0通过了所有这些测试。您可以在lib / unicore / TestProp.pl中找到它们，每次'make test'完成时都会运行它们，由t / re / uniprops.t执行。这里讨论的问题由Test_SB（）（超过500）和Test_WB（）（差不多1500）调用，每个测试由几个子测试组成。这些测试比我自己想出的更多。

独立地，有人在5.23开发过程的早期报告了段错误。在调查中，我通过代码阅读看到，刚刚发布的代码中存在其他问题。相互作用很复杂，不易概括，因此perldelta甚至没有尝试过。这两种边界条件都需要跟踪可能发生边界的上下文，通常进行前瞻和/或后视。当代码通过目标字符串进行解析时，它会保存下一次迭代的当前上下文，它将是后视上下文，并且不必重新计算。这被打破了，上下文并不总是得到妥善保存。这就是为什么Unicode提供的测试都通过了。它们是短期投入，背景破坏无关紧要。当这一切都得到解决后，我很惊喜地发现\ b {sb}给出的结果更符合人类的期望。

计划在下一版本的UAX＃29中修复Unicode错误，我认为我们做出了正确的决定，使得\ b {wb}和\ b {sb}在5.22.1中工作。

为什么Perl v5.22没有找到所有句子边界？

2 个答案: