Question

根据文件

\ w [3]匹配＆＃34;字＆＃34;字符（字母数字加＆＃34; _＆＃34;，加号其他连接符标点符号加上Unicode标记）

我不明白什么是＆＃34;以及其他连接符标点字符加上Unicode标记＆＃34;，文档似乎没有说。什么是\w真的？

Answer 1

Unicode 9.0.0中包含119,821个匹配字符（包含在Perl 5.26.0中）：

$ unichars -a -u '\w' | wc -l
119821

您可以使用unichars列出与属性匹配的字符，您可以使用uniprops列出与字符匹配的属性。两者均由Unicode::Tussle提供。

perluniprops个文档\p，\w是\p{XPosixWord} ^[1]的缩写，所以这是一个应该查阅的文档了解有关\w和其他属性的更多信息。

最新的perluniprops ^[2]文件表明\w包含以下属性的并集：

XPosixWord：
- XPosixAlnum：字母和小数位数。
  - Alphabetic
  - Decimal_Number：十进制数字。
- Mark
- Connector_Punctuation
- Join_Control

验证

$ diff -u \
   <( unichars -a -u '\w' ) \
   <( unichars -a -u '[\p{Alphabetic}\p{Decimal_Number}\p{Mark}\p{Connector_Punctuation}\p{Join_Control}]' ) \
      && echo "No difference."
No difference.

详细说明：

自定义派生属性XPosixWord：
- 自定义派生属性XPosixAlnum：字母和小数位数。
  - 派生属性Alphabetic：
    - 派生属性Uppercase：
      - 常规类别Uppercase_Letter（Lu）
      - Other_Uppercase ^[3]
    - 派生属性Lowercase：
      - 常规类别Lowercase_Letter（Ll）
      - Other_Lowercase ^[3]
    - 常规类别Titlecase_Letter（Lt）
    - 常规类别Modifier_Letter（Lm）
    - 常规类别Other_Letter（Lo）
    - 常规类别Letter_Number（Nl）
    - Other_Alphabetic ^[3]
  - 常规类别Decimal_Number（Nd）：十进制数字。
- 常规类别Mark（M）：
  - 常规类别Spacing_Mark（Mc）
  - 常规类别Enclosing_Mark（Me）
  - 常规类别Nonspacing_Mark（Mn）
- 常规类别Connector_Punctuation（Pc）
- Join_Control

使用/u或use feature qw( unicode_strings );。
5.28将是第一个正确记录XPosixWord的版本（因为在5.18中添加了Join_Control个字符）。
Perl未曝光。

Answer 2

您的引用来自perldoc perlre。相应的脚注说：

[3]
  有关详细信息，请参阅Backslash sequences in perlrecharclass。

其中说：

\w匹配单个字母数字字符（字母字符或十进制数字）;或连接标点字符，例如下划线（“_”）;或者是一个附加在其中一个上面的“标记”字符（如某种口音）。它与整个单词不匹配。要匹配整个单词，请使用\w+。这与匹配英文单词不同，但在ASCII范围内，它与Perl标识符字符串相同。

它还说（如果Unicode规则生效），\w相当于\p{Word}。 perldoc perluniprops：

\p{Word}                \p{XPosixWord}

即。 \p{Word}是\p{XPosixWord}的别名。

\p{XPosixWord}          \w, including beyond ASCII; = \p{Alnum} + \pM + \p{Pc} (Short: \p{Word})

即。 \p{XPosixWord}是\p{Alnum}，\pM和\p{Pc}的联合。

此处\p{Alnum}匹配任何“字母和（十进制）数字”字符，\pM匹配任何一般类别为“Mark”的字符，\p{Pc}匹配任何一般类别为“连接器标点符号”的字符。

对于这些类别中的完整字符列表，我将不得不遵循Unicode。

关于perl \ w的含义

2 个答案: