【问题标题】:Is "\n" a vertical whitespace, i.e., should "\v" match it?“\n” 是垂直空格吗,即“\v” 是否应该匹配它?
【发布时间】:2012-08-30 16:35:50
【问题描述】:

从逻辑上讲,它是(但无论何时使用字符编码或语言环境,逻辑都无关紧要)。根据

perl -e 'print "\n" =~ /\v/ ? "y\n" : "n\n";'

打印“y”,它是。根据

Pattern.compile("\\v").matcher("\n").matches();

在 java 中返回 false,它不是。如果没有this posting 声称,这根本不会让我感到困惑

Sun 为 JDK7 更新的 Pattern 类有一个了不起的新标志,UNICODE_CHARACTER_CLASS,它可以让一切恢复正常。

但我使用的是 java 版本“1.7.0_07”并且该标志存在并且似乎没有任何改变。此外,“\n”不是 Unicode 的新手,而是一个普通的旧 ASCII 字符,所以我真的不明白这种差异是如何发生的。可能我在做一些愚蠢的事情,但我看不到。

【问题讨论】:

  • 据我所知,Unicode 没有垂直空白属性。它是一个纯粹的 Perl 结构,匹配以下字符:U+000A、U+000B、U+000C、U+000D、U+0085、U+2028 和 U+2029。只需使用与这些字符匹配的字符类即可。
  • @ikegami:有趣。我刚刚发现 this list 同意你的看法。
  • 此问题已添加到Stack Overflow Regular Expression FAQ 的“转义序列”下。
  • 请注意,从 Java 8 开始,\v 表示垂直空格

标签: java regex perl unicode


【解决方案1】:

Java 7's Javadoc for java.util.regex.Pattern 在其“此类不支持的 Perl 构造列表”中明确提及 \v。所以不是\n 不属于Java 的“垂直空白”范畴; Java 7 没有“垂直空白”类别。相反,Java 7 正则表达式有一个未记录的特性,它们将\v 解释为引用垂直制表符U+000B。 (这是来自 C/C++/Bash/etc. 的传统转义序列,尽管 Java 字符串文字不 支持它。同样\a 用于警报/铃,\cX 用于控制-字符X.)

编辑添加:这在 Java 的较新版本中有所改变。根据Java 8's Javadoc for java.util.regex.Pattern,\v 现在的意思是“垂直空白字符:[\n\x0B\f\r\x85\u2028\u2029]”。

【讨论】:

  • 这是真的,我应该发现自己。但是,与许多其他未定义的构造不同,例如Pattern.compile("\\C") 它不会抛出 PatternSyntaxException。在源代码中,我终于发现它与U+000B 匹配,即仅“垂直选项卡”。听起来很有趣。
  • @maaartinus: \v 是垂直制表符的传统转义序列(与\n、\r 等在同一组中),尽管 Java 不支持它字符串文字(根据 JLS 的第 3.10.6 节),java.util.regex.Pattern 支持一些类似的非 Java 转义序列(\a 用于警报/铃,\cX 用于控制字符 X)。恕我直言,这里唯一有趣的事情是文档和实现之间的不匹配:Pattern 的 Javadoc 列出了它应该支持的所有转义序列,包括\n 等等,它没有提到\v。
  • 就是这样。我想我将它添加到您的答案中,因为这让我感到困惑。
  • 正如对 OP 的评论中提到的:从 Java 8 开始,支持 \v 和 \V:docs.oracle.com/javase/8/docs/api/java/util/regex/Pattern.html
  • @IARI:感谢您的提醒。我现在更新了答案来解释这一点。
【解决方案2】:

perldoc perlrecharclass 表示\v 匹配“垂直空白字符”。这进一步解释:

"\v" 匹配任何被视为垂直空格的字符;这 包括平台的回车和换行字符 (换行符)加上其他几个字符,都在表中列出 以下。 "\V" 匹配任何不被视为垂直空格的字符。 他们使用平台的原生字符集,不考虑任何 可能正在使用的语言环境。

具体来说,\v 匹配 5.16 中的以下字符:

$ unichars -au '\v'           # From Unicode::Tussle
 ---- U+0000A LINE FEED
 ---- U+0000B LINE TABULATION
 ---- U+0000C FORM FEED
 ---- U+0000D CARRIAGE RETURN
 ---- U+00085 NEXT LINE
 ---- U+02028 LINE SEPARATOR
 ---- U+02029 PARAGRAPH SEPARATOR

您可以使用字符类来获得与 Perl 的 \v 相同的效果。

当然这适用于 Perl;我不知道它是否适用于Java。

【讨论】:

    猜你喜欢
    • 2011-04-08
    • 2019-11-03
    • 1970-01-01
    • 1970-01-01
    • 2013-07-29
    • 1970-01-01
    • 2021-01-07
    • 1970-01-01
    • 1970-01-01
    相关资源
    最近更新 更多