如何选择空白模式？

Question

在Oracle Pattern documentation中，有三种不同的匹配空格模式的描述：

1. \ S
2. \ p {空间}
3. \ p {javaWhitespace}

我想知道每个人的特殊性以及如何选择合适的人。 我刚刚注意到\p{javaWhitespace}包含更多空格类型。

Answer 1

\s是指定空格字符的最短也是最不可移植的选项。虽然很少将Java代码移植到其他语言，但它更多的是将一个正则表达式引擎的语法知识移植到另一个语言。有许多正则表达式引擎使用类似Perl的语法，因此对于像\s这样的相同语法的解释上的差异会使程序员感到困惑。

除了空格（ASCII 32），新行（\n，ASCII 10），水平制表符（\t，ASCII 9），回车符（\r，ASCII 13）和换页（\f，ASCII 12），什么是空格字符的不同引擎之间没有达成共识。

• Java，POSIX（ASCII）：还包括垂直选项卡（ASCII 11）。 Java似乎遵循POSIX标准。

• JavaScript（第5.1版）：根据规格（逐字逐句），除了5个常见内容外，还包括：

  • Unicode类别Zs (Separator/Space)，\u2028（行分隔符），\u2029（段落分隔符）。它基本上包括Z类（分隔符）下的所有字符。

    ^{实际上\u2028是Zl (Separator/Line)类别的唯一成员，\u2029是类别Zp (Separator/Paragraph)的唯一成员。根据措辞，当前版本的规范可能会排除对这两个类别的任何进一步扩展。}

  • 垂直标签\v
  • 字节顺序标记a.k.a. ZERO WIDTH NO-BREAK SPACE \ufeff

• Perl，PCRE（ASCII模式）：从Perl 5.18添加的垂直标签\v作为实验。在5.18之前，它只匹配5个常见的。

• Perl（Unicode模式）：除了5个常见的

  之外
  • Unicode类别Z（分隔符）
  • 从Perl 5.18添加的垂直标签\v作为实验。
  • NEXT LINE（NEL）\u0085
  • MONGOLIAN VOWEL SEPARATOR \u180e

• .NET（默认）：除了5个常见的

  之外
  • Unicode类别Z（分隔符）
  • 垂直标签\v
  • NEXT LINE（NEL）\u0085

• Java（Unicode）：从Java 7开始，Pattern类包含一个新标志UNICODE_CHARACTER_CLASS，它使预定义字符类和 POSIX字符类符合到Unicode Technical Standard #18: Unicode Regular Expression。当标志处于活动状态时，预定义字符类和相应的 POSIX字符类将变为等效（匹配相同的内容）。

  字符列表与.NET＆＃39>相同。

这足以让一个人疯狂！

---

\p{Space}是更稳定的＆＃34;选项，因为它遵循默认模式下的POSIX standard和UNICODE_CHARACTER_CLASS中的Unicode Technical Standard #18: Unicode Regular Expression。

如果使用POSIX字符类，则POSIX兼容的实现在ASCII模式下具有相同的行为，遵循该建议的Unicode正则表达式引擎将在Unicode模式下具有（几乎）相同的行为

无论标志如何，

\s和\p{Space}在Java中都是等效的。如果您在Java中使用\s，则可以确定您遵循某些标准/建议。只是它并没有向大多数程序员宣布这个事实。

---

\p{isJavaWhitespace}根据Java's definition匹配空格。该功能的名称极具误导性。

Answer 2

我宁愿使用第一个。

• 紧凑
• 在许多其他语言中，以及在regexp理论中，它都是相同的符号
• \p{javaWhitespace}包括FILE SEPARATOR，GROUP SEPARATOR等...请参阅this。在不需要这些时使用它可能会让其他人感到困惑。
• 一般来说，我希望其他程序员知道\s是什么，而我希望他们仔细检查\p{javaWhitespace}的确切定义。您不希望这样，因为它会降低代码清晰度并在调试过程中增加不必要的负担。

Answer 3

除非您有特殊原因要使用其他选项，否则我会保持简单并使用\s