我正在寻找一种仅匹配 Unicode 字符串中完全组成的字符的方法。
[:print:] 是否依赖于任何包含此字符类的正则表达式实现中的语言环境？例如，它会匹配日文字符“あ”，因为它不是控制字符，还是[:print:] 总是将是 ASCII 代码 0x20 到 0x7E？
是否有任何字符类（包括 Perl RE）可用于匹配控制字符以外的任何内容？如果 [:print:] 仅包含 ASCII 范围内的字符，我会假设 [:cntrl:] 也包含。
【问题讨论】：
标签： regex perl unicode locale character-properties
我认为您不需要或不需要语言环境，而是 Unicode。如果您已解码文本字符串，\w 将匹配任何语言的单词字符，\d 不仅匹配 0..9，而且匹配每个 Unicode 数字等。在正则表达式中，您可以使用 \p{PropertyName} 查询 Unicode 属性。对您来说特别有趣的可能是\p{Print}。 Here's a list of all the available Unicode character properties.
我写了一个article about the basics and subtleties of Unicode and Perl，它应该让你知道该怎么做，perl 会将你的字符串识别为一个字符序列，而不仅仅是一个字节序列。
更新：使用 Unicode 时，您不会获得依赖于语言的行为，而是会采用合理的默认值，而不管语言如何。这可能是也可能不是您想要的，但是为了区分可打印/控制字符，我不明白您为什么需要依赖语言的行为。
【讨论】：
\X 匹配一个完整的字符（序列）。证明：
#!/usr/bin/env perl
use 5.010;
use utf8;
use Encode qw(encode_utf8);
for my $string (qw(あ ご ご), "\x{3099}") {
say encode_utf8 sprintf "%s $string", $string =~ /\A \X \z/msx ? 'ok' : 'nok';
}
测试数据是：一个普通字符、一个预组合字符、一个组合字符序列和一个组合字符（单独“不计算”，Unicode第3章的简化）。
将\X 替换为[[:print:]] 以查看Tanktalus 的答案在最后两种情况下会产生错误匹配。
【讨论】：
echo あ| perl -nle 'BEGIN{binmode STDIN,":utf8"} print"[$_]"; print /[[:print:]]/ ? "YES" : "NO"'
这主要是有效的，尽管它会生成一个关于宽字符的警告。但它给了你一个想法：你必须确保你正在处理一个真正的 unicode 字符串（检查 utf8::is_utf8）。或者直接检查perlunicode - 整个主题仍然让我头晕目眩。
【讨论】：
您总是可以使用字符类[^[:cntrl:]] 来匹配非控制字符。
【讨论】：
是的，这些表达式取决于语言环境。
【讨论】：