如何在 perl 正则表达式中组合多个 Unicode 属性？

Posted 2023-02-24

【中文标题】如何在 perl 正则表达式中组合多个 Unicode 属性？

【英文标题】：How to combine multiple Unicode properties in perl regex?

【发布时间】：2017-08-31 12:48:26

【问题描述】：

有这个脚本：

use 5.014;
use warnings;

use utf8;    
binmode STDOUT, ':utf8';

my $str = "XYZ ΦΨΩ zyz φψω";

my @greek = ($str =~ /\pGreek/g);
say "Greek: @greek";

my @upper = ($str =~ /\pUpper/g);
say "Upper: @upper";

#my @upper_greek = ($str =~ /\pUpper+Greek/); #wrong.
#say "Upper+Greek: @upper_greek";

是否可以组合多个 unicode 属性？例如如何只选择Upper and Greek，然后得到想要的：

Greek: Φ Ψ Ω φ ψ ω
Upper: X Y Z Φ Ψ Ω
Upper+Greek: Φ Ψ Ω      #<-- how to get this?

【问题讨论】：

@HåkonHægland 这仍然会返回X Y Z

【参考方案1】：

我们要执行 AND 操作，所以不能使用

/(?:\pGreek|\pUpper)/         # Greek OR Upper

或

/[\pGreek\pUpper]/            # Greek OR Upper

在正则表达式中实现 AND 的一种方法是使用环视。

/\pGreek(?<=\pUpper)/         # Greek AND Upper

获得 AND 的另一种方法是否定 OR。 De Morgan's laws告诉我们

NOT( Greek AND Upper )  ⇔  NOT(Greek) OR NOT(Upper)

所以

Greek AND Upper  ⇔  NOT( NOT(Greek) OR NOT(Upper) )

这给了我们

/[^\PGreek\PUpper]/           # Greek AND Upper

从 5.18 开始，您还可以使用一个实验性功能：

use experimental qw( regex_sets );

/(?[ \pGreek & \pUpper ])/    # Greek AND Upper

【讨论】：

@jm666 NOT (NOT GREEK) OR (NOT UPPER) = GREEK AND UPPER

在正则表达式中没有开箱即用的AND 方式是否有原因？ （类似于| 的OR）

@Zaid，除了 AND-THEN（如 "AB" = "A AND-THEN B"），你会做什么？如果您想 AND 字符属性，那么这就是创建 (?[ ]) 的原因。 /A/ && /B/ 解决了对 AND 的另一个主要需求。

【参考方案2】：

这也适用于 5.14.0：

sub InUpperGreek 
    return <<'END'
+utf8::Greek
&utf8::Upper
END


my @upper_greek = ($str =~ /\pInUpperGreek/g);
say "Upper Greek: @upper_greek";

不确定这是否更简单。 :) 有关其工作原理的更多信息，请参阅perlunicode 关于用户定义字符属性的文档。