Question

我有两个使用相同库来处理文档的Perl程序。它们安装在两个不同的服务器上，一个运行Perl 5.12，另一个运行Perl 5.18。

现在我正在输入相同的文件作为两者的输入，所以我可以对输出进行差异以确保它们匹配。我得到了数百个相同的比赛。他们通常正在处理UTF-8文件，我已经注意正确处理该编码。

今天他们都收到了二进制文件，这是我第一次看到差异。我确定一个程序（运行Perl 5.18的程序）在输出之前从文件内容中删除了垂直选项卡，而另一个程序则没有。

我可以把它写成不支持二进制文件，但它仍然困扰我，他们是不同的。我查看了进行处理的库，它包含这一行（它将以这种方式处理文件中的每一行）：

$line =~ s/\s//g;

其中一个Perls是否可能认为垂直制表符是空格，而另一个则不是？我该怎么检查？还有你认为我应该研究的其他事情吗？

Answer 1

自5.18起，vertical tabs are considered whitespace。

没有人能回想起为什么\s与\cK（垂直标签）不匹配。现在确实如此。鉴于这个角色的极端罕见，预计会有很少的破损。那就是说，这意味着什么：
     正则表达式中的
\s现在在所有情况下都与垂直制表符匹配。

使用/x修饰符时，将忽略正则表达式文字中的文字垂直制表符。

当将字符串解释为数字时，现在会忽略单独或与其他空格混合的前导垂直制表符。例如：
$dec = " \cK \t 123";
$hex = " \cK \t 0xF";
say 0 + $dec;   # was 0 with warning, now 123
say int $dec;   # was 0, now 123
say oct $hex;   # was 0, now  15

这使得Perl符合Unicode，它将U + 000B LINE TABULATION又称VERTICAL TABULATION又称VT White_Space字符。

您可以将\s替换为[^\S\x0B]来恢复旧行为。

另外值得考虑的是\h，它只匹配水平空白字符。

U+0009 CHARACTER TABULATION        Matched by \s & \h
U+000A LINE FEED                   Matched by \s & \v
U+000B LINE TABULATION             Matched by \s & \v
U+000C FORM FEED                   Matched by \s & \v
U+000D CARRIAGE RETURN             Matched by \s & \v
U+0020 SPACE                       Matched by \s & \h
U+0085 NEXT LINE                   Matched by \s & \v
U+00A0 NO-BREAK SPACE              Matched by \s & \h
U+1680 OGHAM SPACE MARK            Matched by \s & \h
U+2000 EN QUAD                     Matched by \s & \h
U+2001 EM QUAD                     Matched by \s & \h
U+2002 EN SPACE                    Matched by \s & \h
U+2003 EM SPACE                    Matched by \s & \h
U+2004 THREE-PER-EM SPACE          Matched by \s & \h
U+2005 FOUR-PER-EM SPACE           Matched by \s & \h
U+2006 SIX-PER-EM SPACE            Matched by \s & \h
U+2007 FIGURE SPACE                Matched by \s & \h
U+2008 PUNCTUATION SPACE           Matched by \s & \h
U+2009 THIN SPACE                  Matched by \s & \h
U+200A HAIR SPACE                  Matched by \s & \h
U+2028 LINE SEPARATOR              Matched by \s & \v
U+2029 PARAGRAPH SEPARATOR         Matched by \s & \v
U+202F NARROW NO-BREAK SPACE       Matched by \s & \h
U+205F MEDIUM MATHEMATICAL SPACE   Matched by \s & \h
U+3000 IDEOGRAPHIC SPACE           Matched by \s & \h

不同的Perls对垂直标签的不同处理

1 个答案: