如何检查字符是否是 Rust 中的 Unicode 换行符（不仅是 ASCII）？答案

【问题标题】：How do I check if a character is a Unicode new-line character (not only ASCII) in Rust?如何检查字符是否是 Rust 中的 Unicode 换行符（不仅是 ASCII）？
【发布时间】：2017-07-09 11:23:22
【问题描述】：

每种编程语言都有自己对\n 和\r 的解释。 Unicode 支持多个可以代表新行的字符。

来自the Rust reference：

空格转义是字符 U+006E (n)、U+0072 (r) 之一，或 U+0074 (t)，表示 Unicode 值 U+000A (LF)、U+000D (CR) 或分别为 U+0009 (HT)。

基于该陈述，如果 Rust 字符是 \n 或 \r，我会说它是换行符。在 Windows 上，它可能是 \r 和 \n 的组合。不过我不确定。

接下来呢？

下一行字符 (U+0085)
行分隔符 (U+2028)
段落分隔符 (U+2029)

在我看来，我们缺少像 char.is_new_line() 这样的东西。我查看了Unicode Character Categories，但找不到换行符的定义。

我必须自己定义什么是 Unicode 换行符吗？

【问题讨论】：

标签： unicode rust newline carriage-return linefeed

【解决方案1】：

在 Java、Python、Go 和 JavaScript 等语言之间在什么构成换行符以及如何将其转换为“换行符”方面存在相当大的实际分歧。这种分歧通过包含电池的正则表达式引擎如何在多行模式下处理$ 之类的模式与\r\r\n\n 之类的字符串来证明：是否有两行（\r\r\n，\n），三行（@ 987654326@、\r\n、\n，就像 Unicode 说的那样）还是四个（\r、\r、\n、\n，就像 JS 看到的那样）？ Go 和 Python 不会将 \r\n 视为单个 $，Rust 的正则表达式也不会；然而，Java 确实如此。我不知道有哪种语言的电池可以将换行符处理扩展到更多的 Unicode 字符。

所以这里的要点是

一致认为\n是换行符
\r\n 可能是一个换行符
除非\r\n 被视为两个换行符
除非\r\n 是“某个字符后跟换行符”
除此之外，您不应再有任何换行符。

如果您确实需要将更多 Unicode 字符视为换行符，则必须定义一个为您执行此操作的函数。不要指望现实世界的输入。毕竟，我们使用 ASCII 记录分隔符已有数十亿年了，而每个人也都使用 \t。

更新：请参阅 http://www.unicode.org/reports/tr14/tr14-32.html#BreakingRules 部分 LB5 了解为什么应将 \r\r\n 视为两个换行符。您可以阅读整个页面以了解如何实施您的原始问题。我的猜测是，当您到达“东南亚：换行符需要形态分析”时，您将关闭选项卡 :-)

【讨论】：

这是一个非常好的调查，我预计会有一定程度的变化，但老实说并没有那么大。既然您提到了 Unicode 是如何看待它的，那么如果您可以链接到或提及它在 Unicode 中定义的位置以支持您的答案，那就太好了。