Question

（对于这个问题，请忽略\w的数字和下划线匹配，这与此处的讨论无关。）
根据{{3}}，像\w这样的速记字符类和像[:alpha:]这样的POSIX类在Unicode方面都有类似的行为：它们具有简单的ascii行为，用于＆＃34;不是Unicode Case＆＃34; （我认为这意味着字符串＆＃39; s encoding不是Unicode），以及使用Unicode属性的不同行为＆＃34; Unicode Case＆＃34;。

从该文档中可以看出，其中一个使用Unicode属性，另一个也使用它们。但是，实际上它们似乎有所不同：POSIX类自动使用Unicode属性，而\w类型类必须使用?u显式标记以使用基于Unicode属性的匹配：

$ ruby -e 'print("~café.".encoding)'
UTF-8
$ ruby -e 'print(/[[:alpha:]]+/.match("~café."))'
café
$ ruby -e 'print(/\w+/.match("~café."))'
caf
$ ruby -e 'print(/(?u)\w+/.match("~café."))'
café
$ ruby -v
ruby 2.3.6p384

这是一个错误，还是我对文档的解释错了？（?u究竟做了什么，有人可以链接到记录的位置吗？）

Answer 1

从2.0版开始，Ruby使用Onigmo，一个Oniguruma分支，支持在Perl 5.10中实现的更多功能。

如果您将链接的文档（Oniguruma）与Onigmo's doc进行比较，您可以看到\w描述之间的差异：

Oniguruma：

\ w字符

       Not Unicode:
         alphanumeric, "_" and multibyte char.

       Unicode: General_Category -- (Letter|Mark|Number|Connector_Punctuation)

Onigmo：

\ w字符

       Not Unicode:
         alphanumeric and "_".

       Unicode: General_Category -- (Letter|Mark|Number|Connector_Punctuation)

       It depends on ONIG_OPTION_ASCII_RANGE option that non-ASCII char includes or not.

正如你所看到的，没有更多的“和多字节字符。”没有意义（至少对我来说），这可能是一个错字。无论如何，这都是非常不清楚的。

u修饰符将速记字符类从“非Unicode”（默认）切换为“Unicode”。这就是为什么当你尝试使用字符类caf匹配它时，只有café没有它和\w。

另一方面，字符类[[:alpha:]]似乎已经默认扩展为unicode字符，因为它匹配没有u修饰符的“café”。可以在doc：

中找到解释的开始

它取决于ONIG_OPTION_ASCII_RANGE选项和 POSIX括号的ONIG_OPTION_POSIX_BRACKET_ALL_RANGE选项是否匹配非ASCII字符。

但您可以使用(?a)修饰符强制它为ascii。

Ruby中`\ w`与`[[：alpha：]]`之间Unicode行为的差异

1 个答案: