如何选择空白模式？

Question

在Oracle Pattern文档中,有三种不同模式的描述用于匹配空格:

1. \ S
2. \ p {空间}
3. \ p {javaWhitespace}

我想知道每个人的特殊性以及如何选择合适的人.我刚才注意到\p{javaWhitespace}包含更多空间类型.

Answer 1

我宁愿使用第一个。

• 紧凑
• 它在许多其他语言以及正则表达式的理论中都是相同的符号
• \p{javaWhitespace}包括FILE SEPARATOR，GROUP SEPARATOR等等...看到这个。在不需要这些时使用它可能会使其他人感到困惑。
• 一般来说，我希望另一个程序员知道什么\s是，而我希望他们仔细检查\p{javaWhitespace}. 您不希望这样，因为它会降低代码清晰度并在调试过程中增加不必要的负担。

Answer 2

\s是指定空格字符的最短也是最不可移植的选项。尽管很少有将Java代码移植到其他语言的方法，但更多的是将一个正则表达式引擎的语法知识移植到另一种。有很多正则表达式引擎使用类似Perl的语法，因此对于相同语法的解释上的差异\s会使程序员感到困惑。

除了空格（ASCII 32），换行符（\n，ASCII 10），水平制表符（\t，ASCII 9），回车符（\r，ASCII 13）和换页符（\fASCII 12）外，不同引擎之间没有共识一个空格字符。

• Java，POSIX（ASCII）：还包括垂直制表符（ASCII 11）。Java似乎在这里遵循POSIX标准。

• JavaScript（5.1版）：根据规范（逐字排列），除了5种常见规范外，还包括：

  • Unicode类别Zs（分隔符/空格），\u2028（行分隔符），\u2029（段落分隔符）。它基本上包括Z类（分隔符）下的所有字符。

    ^{实际上\u2028是类别Zl（分隔符/行）\u2029的唯一成员，并且是类别Zp（分隔符/段落）的唯一成员。通过措辞，规范的当前版本可能会排除对这2类的任何进一步扩展。}

  • 垂直标签 \v
  • 字节顺序标记又称零宽度无中断空间 \ufeff

• Perl，PCRE（ASCII模式）：\vPerl 5.18作为实验添加了“ 垂直”选项卡。在5.18之前，它仅与5个常见的匹配。

• Perl（Unicode模式）：除了5种常见的

  • Unicode类别Z（分隔符）
  • \v从Perl 5.18添加的垂直标签作为实验。
  • 下一行（NEL） \u0085
  • 蒙古语分隔符 \u180e

• .NET（默认）：除了5个常见的

  • Unicode类别Z（分隔符）
  • 垂直标签 \v
  • 下一行（NEL） \u0085

• Java（Unicode）：从Java 7开始，Pattern类包含一个新的标志UNICODE_CHARACTER_CLASS，该标志使Predefined字符类和POSIX字符类符合Unicode技术标准＃18：Unicode正则表达式。当该标志处于活动状态时，预定义字符类和相应的POSIX字符类将等效（匹配相同的事物）。

  字符列表与.NET相同。

这足以使一个人疯狂！

\p{Space}是更“稳定”的选择，因为它遵循POSIX标准的默认模式，统一技术标准＃18：Unicode的正则表达式中UNICODE_CHARACTER_CLASS。

如果使用POSIX字符类，则与POSIX兼容的实现在ASCII模式下将具有相同的行为，并且遵循该建议的Unicode regex引擎在Unicode模式下将具有（几乎）相同的行为。

\s并且\p{Space}在Java中是等效的，与标志无关。如果使用\sJava，则可以确保遵循某些标准/建议。只是它没有向大多数程序员宣布这一事实。

\p{isJavaWhitespace}根据Java的定义匹配空白。函数的名称极具误导性。