知识卡片
字符简记不是固定ASCII集合
\s、\d、\w分别指空白、数字和单词字符集合,\S、\D、\W表示相应补集;\t、\n、\r表示具体控制字符。集合范围依流派、字符模式及locale等条件决定。Perl的\w包括下画线,不能照抄原表遗漏它的简化定义;\s也不仅是空格和Tab,因此把[ \t]*改成\s*可能放宽到换行。依据:Perl 5.8.9文档。
第3章的表也只对应书中版本。正则引擎能处理Unicode文本,并不意味着所有简记自动扩展为同一Unicode集合;\d、\w、\s及其补集要分别核对,边界构造还可能采用不同的类别规则。
本书Java 1.5基线中,单词简记采用ASCII集合;原文展开遗漏下画线,应包含_。建议用\pL或\pZ扩展时也要注意:字母类别不包含数字和下画线,分隔类别不能覆盖全部控制空白,二者不是原集合的等价Unicode替换。
本书.NET把默认Unicode类别与ECMAScript兼容模式分开。其旧类别清单不能当现代穷举:当日微软文档的单词字符还包含Lm和Mn。判断能否匹配组合标记、修饰字母时,应按目标框架核对;本书的旧版遗漏不作为跨版本事实。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 4 处
- · 查看原书依据
用\s匹配所有“空白” 讨论空白的问题时,我们最后使用的是「[·\t]* 」。这样做没问题,但许多流派的正则表达式提供了一种方便的办法:「\s」。「\s」看起来类似「\t」,「\t」代表制表符,而「\s」则能表示所有表示“空白字符(whitespace characte
- · 查看原书依据
字符组简记法:\w、\d、\s、\W、\D、\S 通常支持的简记法有: \d 数字 等价于「[0-9]」,如果工具软件支持Unicode,能匹配所有的Unicode数字。 \D 非数字字符 等价于「[^\d]」。 \w 单词中的字符 一般等价于「[a-zA-Z0-9_]
- · 查看原书依据
\w、\d和\s(以及对应的大写缩略法)只适用于ASCII字符,而不包括其他的字母、数字或者 Unicode 空白字符。也就是说,\d 等价于[0-9],\w 等价于[0-9a-zA-Z],\s等价于[·\t\n\f\r\x0B](\x0B是ASCII中基本不用的VT字
- · 查看原书依据
\w」之类的“纯”转义。它们可以直接用到 VB.NET 的字符串文字("\w")和C#的verbatim字符串(@"\w")中。C++的语言没有提供针对正则表达式的字符串文字,所以正则表达式中的反斜线在字符串文本中需要双写("\\w")。请参考“作为正则表达式的字符串”