为什么正则表达式的 Unicode 属性适用于这种类型的字符串？答案

【问题标题】：Why does the Unicode properties for a regular expression apply for this type of string?为什么正则表达式的 Unicode 属性适用于这种类型的字符串？
【发布时间】：2013-08-05 19:57:03
【问题描述】：

在下面的脚本中，为什么if 会计算为true，为什么会打印Has space!？

p{Space} 是 Unicode 属性，对吗？但是$_ 不包含Unicode 语句，而是包含ASCII 语句。这个脚本是如何工作的？

#!/usr/bin/perl

use strict;
use warnings;

$_ = "yabba dabba doo";

if(/\p{Space}/){
    print "Has space!\n";
}

【问题讨论】：

ASCII 是 Unicode 的子集。
好吧，我对 Perl 了解不多，但在任何语言中，所有 ASCII 字符都是 Unicode。 Unicode 字符串专门用于匹配 Unicode 字符。当然，Unicode 字符串可能与 ASCII 字符串不同。但反之亦然。
@Jim 从程序员的角度来看，Perl 不会以某种编码方式保存字符串。它将字符串保存为代码点序列。字符串中空格字符的代码点与 Unicode“空格”属性匹配。
此外，Unicode 匹配规则适用于 (a) 字符串包含 > 0xFF 的字符或 (b) 正则表达式使用 Unicode 功能，如 \p。
标准 7 位 ASCII 是 Unicode 的真子集，Perl 内部的一切都是 Unicode。此外，ASCII 的 UTF-8 编码使所有字符保持不变。编码或表示成为问题的唯一时间是当您使用代码点大于 0x7F 的字符时。

标签： regex perl unicode

【解决方案1】：

它被评估为true，因为你的字符串中有一个空格（\s）。你也可以这样写：

if ( $_ =~ /\s/ ) { .. }

关键是它不检查整个字符串。当您想检查整个字符串是否是一个空格时，您应该编写如下内容：

if ( $_ =~ /^\s+$/ ) { .. }

或使用 Unicode：

if ( $_ =~ /^\p{PosixSpace}$/ ) { .. }

在您的情况下，您不使用 ASCII 范围，而是使用 POSIX 范围以及PosixSpace 的同义词。它也是不区分大小写的，这使得原始空间成为您的空间；）

同义词列表在 Properties accessible through \p{} and \P{} 中（查看第 3239 点）。 Character classes 中列出了 POSIX 字符类及其 Unicode 和 Perl 等价物（第三块对您来说很有趣）。

也许你想使用\p{PerlSpace}。

【讨论】：