POSIX Regex [:alpha:] 字符类的精确定义是什么？答案

【问题标题】：Which is the precise definition of the POSIX Regex [:alpha:] character class?POSIX Regex [:alpha:] 字符类的精确定义是什么？
【发布时间】：2015-11-11 16:25:30
【问题描述】：

我不清楚 POSIX [:alpha:] Regex 字符类是否严格等同于所有语言环境或字符集中的 Regex 表达式 [a-zA-Z]，或者如果所讨论的语言环境或字符集允许，它是否还包括重音字符用于重音字符。

http://pubs.opengroup.org/onlinepubs/009696899/basedefs/xbd_chap09.html 的规范只提到它应该被所有语言环境支持，而不是它包含的内容。

有没有权威的地方明确定义了[:alpha:]字符类的确切含义？

【问题讨论】：

您链接的参考资料似乎可以追溯到 2004 年，它链接到一个更新得多的版本。

标签： regex posix

【解决方案1】：

2013 spec, 9.3.5.7:

在 POSIX 语言环境中，范围表达式表示整理落在整理中两个元素之间的元素顺序，包容。 在其他语言环境中，范围表达式具有未指定的行为：严格遵守的应用程序不应依赖关于范围表达式是否有效，或者关于整理集匹配的元素。

（已添加重点。）

所以，在 POSIX 语言环境之外，[a-zA-Z]，严格来说，甚至不是定义。（当然，由于这些都是 ASCII 字符，实际上我希望它在任何语言环境中都具有相同的含义。但考虑 EBCDIC，这些字符甚至不连续。所以可以例外。）

[:alpha:] 的确切含义取决于语言环境，有很多，许多语言环境，由各种实体定义。我当然不会关于[:alpha:] 所做或未包含的任何假设 POSIX 以外的语言环境。

【讨论】：

众所周知的 A-Z 反例包括不区分大小写的排序规则，其中包含 25 个小写字母，基于 AaBb...YyZ 范围或 AbB..yYzZ 范围，但这不应该影响A-Za-z，以及 z 介于 s 和 t （爱沙尼亚语，IIRC）之间的语言，应该如此。当然，许多语言环境中也包含其他字母（可能是重音版本）。
只是为了澄清我的问题，将 POSIX 称为“POSIX 正则表达式风格”，而不是真正的 POSIX 语言环境。我们的工具有一个 Regex 引擎，它在 POSIX Regex ERE 中受到很大启发，我们想检查我们对 [:alpha:] 含义的解释是否与实际编写 POSIX Regex 规范的人的期望一致。
@Pep：按规范，POSIX 正则表达式取决于区域设置。但是，实现可能只实现正则表达式语法而不支持语言环境，这就是您需要查阅提供该功能的正则表达式库的确切文档的地方。
顺便说一下，[a-z] 可以匹配piñatas 中的ñ，如果你在 Cygwin 上设置了LC_COLLATE="en_US.UTF-8"。测试代码[[ "piñatas" =~ ([a-z]*) ]] && echo "${BASH_REMATCH[1]}"
@nhahtdh 实际上我们在几年前编写了我们正在使用的 Regex 库，我想仔细检查是否对 [:alpha:] 有任何精确的期望。如果根据规范，一切顺利，那么我想我们的图书馆在规范方面没问题。