为什么前导空格会阻止正则表达式匹配？答案

【问题标题】：Why is a leading space stopping a regular expression from matching?为什么前导空格会阻止正则表达式匹配？
【发布时间】：2014-08-25 20:10:12
【问题描述】：

我的正则表达式 '(\<link [^\>]+\>)' 匹配得很好，但是在它前面添加了一个空格，它没有：' (\<link [^\>]+\>)'（没有 '）。

当我使用正则表达式匹配 link 标记时，它完全匹配：

$ echo '<para>Please see Listing <link href="#lst:11-alg1">2.1</link> with the' \
    | perl -pe 's|(\<link [^\>]+\>)|###|g'
<para>Please see Listing ###2.1</link> with the

如您所见，<link...> 被 ### 替换——因此正则表达式匹配。

当我在正则表达式前添加一个空格时，它不再匹配：

$ echo '<para>Please see Listing <link href="#lst:11-alg1">2.1</link> with the' \
    | perl -pe 's| (\<link [^\>]+\>)|###|g'
<para>Please see Listing <link href="#lst:11-alg1">2.1</link> with the

结果还是原来的文本，没有进行替换——正则表达式不匹配。

我认为问题出在贪婪匹配（但我无法想象在哪里），我玩弄了+?-modifiers 和\s，但没有效果。而且也不是正则表达式以' ' 开头：当我将Listing 添加到它不匹配的模式时：

$ echo '<para>Please see Listing <link href="#lst:11-alg1">2.1</link> with the' \
    | perl -pe 's|Listing (\<link [^\>]+\>)|###|g'
<para>Please see Listing <link href="#lst:11-alg1">2.1</link> with the

我什至用 Python 尝试过同样的方法：结果相同，所以我的正则表达式一定有问题。

【问题讨论】：

这不是你日常的普通空间，而是一个“人物空间”(Unicode U+2007)。
这是一个空间，吉姆，但不是我们所知道的......
@towi 如果字符串被解码并且您的 perl 不是古老的，\s 将匹配该字符。但是如果你不解码你的输入，那么它就不会匹配:)
@Borodin U+00A0 属于遗留语义，因为它在 U+00FF 之下。 /\s/u 总是在 5.14+ 中匹配它。 \s 没有 /u 匹配它unpredictably;在字符串上设置 utf8 标志，或在模式中提及某些内容，将导致它匹配。
@Borodin /u 启用正确的 unicode 语义，其中 U+00A0 与 \s 匹配，因为它具有 Space 属性:)

标签： regex perl unicode

【解决方案1】：

如果您将字符串复制到 Notepad++ 中，则该字符串是列出 ANSI(â€‡) 之后的特殊字符。所以空间不会匹配它。

【讨论】：

让我们称其为：“特殊字符”是UTF8 sequence for U+2007。