Perl Unicode 美食大全：在正则表达式中匹配 Unicode 图形簇

2012年5月22日，作者：Tom Christiansen

℞ 29：在正则表达式中匹配 Unicode 图形簇

在 ASCII 时代，我们谈论的是字符和字节。它们之间的区别不大。在 Unicode 世界中，字符远不止七位数据。最好谈论原始字节和字符的集合——甚至 Unicode 码点。

程序员可见的“字符”是由 /./s 匹配的码点，但用户可见的“字符”是由 /\X/ 匹配的图形。

也就是说，正则表达式中的 \X 元字符匹配 Unicode 所称的“扩展图形簇”。在用户可能看到一个单独字符（如带重音的辅音）的地方，Unicode 的表示可能是该辅音加上组合字符加上重音符号。使用 \X 来匹配整个序列。

 # Find vowel *plus* any combining diacritics,underlining,etc.
 my $nfd = NFD($orig);
 $nfd =~ / (?=[aeiou]) \X /xi

上一篇：℞ 28：转换非 ASCII Unicode 数值

系列索引：标准序言

下一篇：℞ 30：用图形而不是码点提取（正则表达式）