Perl 正则表达式匹配不同类型的空格字符但不匹配制表答案

【问题标题】：Perl regex to match different types of space characters but not tabulationPerl 正则表达式匹配不同类型的空格字符但不匹配制表
【发布时间】：2018-10-04 13:35:03
【问题描述】：

在处理包含文本的.tsv 文件时，我有时需要规范化不同类型的空白字符（不间断空格、em 空格等）。有没有办法匹配所有这些，但不匹配字段分隔符（制表符），因此可以一次处理整个文件，而不将其拆分为列？

【问题讨论】：

标签： regex perl unicode

【解决方案1】：

字符类\s 和\h 分别匹配所有空格和水平空格。您可以使用否定字符类来排除某些字符，例如 [^\S\t] 或 [^\H\t] – 除制表符之外的所有（水平）空格字符。

这可能是最简单的解决方案，但您也可以使用各种 Unicode 属性。例如，[^\H\p{POSIX_Cntrl}] 将是不是控制字符的所有水平空格字符（制表符是控制字符），并且等效地\p{Zs} 包含所有 Unicode 空格分隔符（也排除制表符）。但是，这些 Unicode 属性都没有明确表明您只想排除制表符。

【讨论】：

【解决方案2】：

\s 匹配任何空格字符，包括制表符 (\t) -> (等于 [\r\n\t\f\v ])

使用[\r\n\f\v ]，它将匹配除制表符（\t）之外的所有空白字符。

或使用[\r\f\v ]，它将匹配除制表符 (\t) 和换行符 (\n) 之外的所有空格。

【讨论】：

您的答案对于 ASCII 是正确的，但不考虑问题中提到的不间断空格或 em 空格等 Unicode 字符。 \s charclass 还将匹配 Unicode 空格字符，而不仅仅是您提到的 ASCII 空格字符。