Neden Ruby/[[: punct:]]/bazı noktalama karakterlerini özlüyor?

Question

Ruby /[[:punct:]]/, tüm "noktalama karakterleri" ile eşleşmesi gerekir. Wikipedia'a göre, bu, POSIX standardı başına /[\]\[!"#$%&'()*+,./:;<=>?@\^_`{|}~-]/ anlamına gelir.

Eşleşme: -[]\;',./!@#%&*()_{}::"?. Ancak, no eşleşmesi: =`~$^+|<> (en azından ruby ​​1.9.3p194) 'a göre yapar.

Ne verir?

Answer 1

Noktalama karakter sınıfı, yerel ayar tarafından belirlenir. Açık Grup LC_TYPE definition for punct diyor:

Noktalama karakterleri olarak sınıflandırılacak karakterleri tanımlayın. POSIX yerel ayarında ne <space> ne de alfa, digit veya cntrl sınıflarındaki herhangi bir karakter eklenmez. Bir yerel tanım dosyasında, üst, alt, alfa, rakam, cntrl, xdigit veya belirtildiği gibi anahtar kelimeler için hiçbir karakter belirtilmez.

Temelde, punct diğer karakter sınıfları exluding tanımlanabilir nasıl tanımlar, ama aslında doğrudan noktalama sembolleri tanımlamak değildir - bu yerelin işidir.

Her yerel ayarda ne olduğu konusunda kanonik bir başvuru bulamadım. Belki başkası biliyordur. Bu arada, istediğiniz punct karakter sınıfıyla eşleşen bir LC_TYPE bulabilir veya doğrudan sınıfı belirtebilirsiniz.

Answer 2

Sembolden büyük olan nokta, noktalama kategorisi değil "Symbol, Math" category. Eğer

2.1.2 :004 > /[[:punct:]]/u =~ '<' 
=> nil 
2.1.2 :005 > /[[:punct:]]/ =~ '<' 
=> 0 

: (varsayılan kaynak başka bir şey ise, kaynak kodlaması için bu varsayılan ve tahminen kaynak, UTF-8 kodlu olduğu) UTF-8'e Regex kodlamasını zorlamak durumunda bu görebilirsiniz ASCII kodlamaya (/ n - daha fazla seçenek here) karşı regex'i zorlarsınız, '<' kategorisini kategorize eder. Ancak, kaynağınız UTF-8'in ASCII alt kümesinin dışındaki karakterleri içeriyorsa, bu sorunlara neden olabilir.

2.1.2 :012 > /\p{S}/u =~ '<' 
=> 0 

var:

2.1.2 :009 > /[[:punct:]]/n =~ '<' 
=> 0 

Daha iyi bir çözüm UTF-8 kodlamasında '<' maçları hangi bir 'punct' yerine yerine regex 'Sembol' kategorisini kullanmak olacaktır here kategorilerinin daha uzun bir listesi.