關於perl的\ W

Question

的含義根據該文檔

\ W [3]匹配一個 「字」 的字符（字母數字加上 「_」，加 其他連接器標點字符加的Unicode引號）

我不明白什麼是「加上其他連接器標點符號加上Unicode標記」，該文檔似乎沒有說。什麼是\w真的？

Answer 1

有以Unicode 9.0.0 119821個匹配字符（包括在Perl 5.26.0）：

$ unichars -a -u '\w' | wc -l 
119821 

您可以使用unichars列出匹配的屬性的字符，你可以使用uniprops來列出與某個字符匹配的屬性。兩者均由Unicode::Tussle提供。

---

perluniprops文件\p和\w是短期的\p{XPosixWord}^[1]，所以這是一個應該進行磋商，以瞭解更多有關\w和其他性質的文件。

足夠-最近perluniprops ^[2]文檔\w包括以下屬性的並集的：

• XPosixWord：
  • XPosixAlnum：字母和十進制數。
    • Alphabetic
    • Decimal_Number：小數位數。
  • Mark
  • Connector_Punctuation
  • Join_Control

驗證：

$ diff -u \ 
    <(unichars -a -u '\w') \ 
    <(unichars -a -u '[\p{Alphabetic}\p{Decimal_Number}\p{Mark}\p{Connector_Punctuation}\p{Join_Control}]') \ 
     && echo "No difference." 
No difference. 

---

詳細地：

• 定製派生屬性XPosixWord：
  • 定製派生屬性XPosixAlnum：字母和十進制數。
    • 派生屬性Alphabetic：
      • 派生屬性Uppercase：
        • 普通類Uppercase_Letter（Lu）
        • Other_Uppercase^[3]
      • 派生p roperty Lowercase：
        • 普通類Lowercase_Letter（Ll）
        • Other_Lowercase^[3]
      • 普通類Titlecase_Letter（Lt）
      • 普通類Modifier_Letter（Lm）
      • 常規類別Other_Letter （Lo）
      • 普通類Letter_Number（Nl）
      • Other_Alphabetic^[3]
    • 普通類Decimal_Number（Nd）：十進制數字。
  • 普通類Mark（M）：
    • 普通類Spacing_Mark（Mc）
    • 普通類Enclosing_Mark（Me）
    • 普通類Nonspacing_Mark（Mn）
  • 一般Connector_Punctuation類別（Pc）
  • Join_Control

---

1. 當使用/u或use feature qw(unicode_strings);。
2. 5.28將成爲第一個版本，正確地記錄XPosixWord（因爲在5.18中添加了Join_Control字符）。
3. 未由Perl公開。

Answer 2

您的報價是perldoc perlre。相應的腳註表示：

• [3]
  詳見Backslash sequences in perlrecharclass。

它說：

甲\w單個字母數字字符（字母字符，或一個十進制數）相匹配;或連接標點符號，如下劃線（「_」）;或附加到其中之一的「標記」字符（如某種口音）。它不匹配整個單詞。要匹配整個單詞，請使用\w+。這與匹配英文單詞不同，但在ASCII範圍內，它與一串Perl標識符字符相同。

它也說（如果Unicode規則有效），\w等於\p{Word}。 perldoc perluniprops：

\p{Word}    \p{XPosixWord} 

即\p{Word}是\p{XPosixWord}的別名。

\p{XPosixWord}   \w, including beyond ASCII; = \p{Alnum} + \pM + \p{Pc} (Short: \p{Word}) 

即\p{XPosixWord}是\p{Alnum},\pM和\p{Pc}的聯合。

這裏\p{Alnum}匹配任何「字母和（十進制）數字」字，\pM匹配任何字符，其一般類別爲「標記」，並\p{Pc}匹配它的基本類別是「連接符標點」任何字符。

有關這些類別中的字符的完整列表，我將不得不推遲到Unicode。