Perl 中 CamelCase (WikiWord) 的 Utf8 正确正则表达式

Question

这里有一个关于CamelCase regex 的问题。结合tchrist post，我想知道正确的 utf-8 CamelCase 是什么。

从 (brian d foy's) 正则表达式开始：

/
    \b          # start at word boundary
    [A-Z]       # start with upper
    [a-zA-Z]*   # followed by any alpha

    (?:  # non-capturing grouping for alternation precedence
       [a-z][a-zA-Z]*[A-Z]   # next bit is lower, any zero or more, ending with upper
          |                     # or 
       [A-Z][a-zA-Z]*[a-z]   # next bit is upper, any zero or more, ending with lower
    )

    [a-zA-Z]*   # anything that's left
    \b          # end at word 
/x

并修改为：

/
    \b          # start at word boundary
    \p{Uppercase_Letter}     # start with upper
    \p{Alphabetic}*          # followed by any alpha

    (?:  # non-capturing grouping for alternation precedence
       \p{Lowercase_Letter}[a-zA-Z]*\p{Uppercase_Letter}   ### next bit is lower, any zero or more, ending with upper
          |                  # or 
       \p{Uppercase_Letter}[a-zA-Z]*\p{Lowercase_Letter}   ### next bit is upper, any zero or more, ending with lower
    )

    \p{Alphabetic}*          # anything that's left
    \b          # end at word 
/x

标记为“###”的行有问题。

另外，假设数字和下划线等价于小写字母时如何修改正则表达式，所以W2X3是一个有效的CamelCase单词。

更新：（ysth 评论）

接下来，

• any：意思是“大写或小写或数字或下划线”

正则表达式应该匹配 CamelWord, CaW

• 以大写字母开头
• 可选任何
• 小写字母或数字或下划线
• 可选任何
• 大写字母
• 可选任何

请不要标记为重复，因为它不是。 original question（以及答案）只考虑 ascii。

Answer 1

我真的不知道你想做什么，但这应该更接近你最初的意图。不过，我仍然不知道你想用它做什么。

m{
    \b
    \p{Upper}      #  start with uppercase code point (NOT LETTER)

    \w*            #  optional ident chars 

    # note that upper and lower are not related to letters
    (?:  \p{Lower} \w* \p{Upper}
      |  \p{Upper} \w* \p{Lower}
    )

    \w*

    \b
}x

永远不要使用[a-z]。事实上，不要使用\p{Lowercase_Letter} 或\p{Ll}，因为它们与更可取和更正确的\p{Lowercase} 和\p{Lower} 不同。

请记住，\w 实际上只是一个别名

[\p{Alphabetic}\p{Mark}\p{Decimal_Number}\p{Letter_Number}\p{Connector_Punctuation}]