正则表达式 – Unicode和：alpha：

为什么这是假的：

iex(1)> String.match?("汉语漢語",~r/^[[:alpha:]]+$/)
false

但这是真的吗？

iex(2)> String.match?("汉语漢語",~r/[[:alpha:]]/)
true

有时[：alpha：]是unicode,有时它不是？

编辑：

我认为我原来的例子不够清楚.

为什么这是假的：

iex(1)> String.match?("汉",~r/^[[:alpha:]]+$/)
false

但这是真的吗？

iex(2)> String.match?("汉",~r/[[:alpha:]]/)
true

当您以非Unicode模式将字符串传递给正则表达式时,它将被视为字节数组,而不是Unicode字符串.请参阅IO.puts byte_size(“汉语汉语”)(12,输入所包含的所有字节：230,177,137,232,175,173,230,188,162,170,158)和IO.puts String.length(“汉语汉语”)(4,Unicode“字母”)的区别.字符串中有些字节无法与[：alpha：] POSIX字符类匹配.因此,第一个表达式不起作用,而第二个表达式起作用,因为它只需要1个字符来返回有效匹配.

要将Unicode字符串与PCRE正则表达式库(在Elixir中使用)正确匹配,您需要使用/ u修饰符启用Unicode模式：

IO.puts String.match?("汉语漢語",~r/^[[:alpha:]]+$/u)

见IDEONE demo(打印真实)

见Elixir regex reference：

unicode (u) – enables unicode specific patterns like \p and changes modifiers like \w,\W,\s and friends to also match on unicode. It expects valid unicode strings to be given on match.

原文地址：https://www.jb51.cc/regex/356607.html