Java正则表达式\cx（控制字符）

Question

Javadoc对java.util.regex.Pattern的说明中提到\cx代表x所对应的控制字符。因此，我认为Pattern.compile()会拒绝除[@-_]之外的任何字符后面跟着一个\c，但实际上并不是这样的！

正如@tchrist在What is a regular expression for control characters?的答案之一中所评论的那样，根本没有检查范围。我测试了几个来自更高块和星位平面的字符，看起来它仅仅翻转了代码点值的第7个最低位。

那么，这是Javadoc的错误还是实现的错误，还是我理解错了？\cx是Java发明的语法还是其他正则表达式引擎支持的，尤其是Perl？在那里如何处理？

- user1089451

---

你忘记了\c?。^?指的是DEL控制字符（0x7F）。 - ikegami

@ikegami 是的，你说得对。我总是忘记0x7F，因为它总是独自呆在角落里。 - user1089451

Answer 1

以下转义字符在所有版本的Perl中都表现一致：

• When \c is followed by an ASCII uppercase letter or one of @[\]^_?,

  chr(ord($char) ^ 0x40)

  This provides full coverage of all ASCII control characters (0x00..0x1F, 0x7F).

  \c@ === \x00
  \cA === \x01
  ...
  \cZ === \x1A
  \c[ === \x1B
  \c\ === \x1C   # Sometimes \c\\ is needed.
  \c] === \x1D
  \c^ === \x1E
  \c_ === \x1F
  \c? === \x7F
  

• When \c is followed by an ASCII lowercase letter,

  chr(ord($char) ^ 0x60)

  This makes the escape case-insensitive.

  \ca === \cA === \x01
  ...
  \cz === \cZ === \x1A
  

---

没有其他的序列是有意义的，但是错误检查只在 Perl 5.20 中引入。

• ≥5.20，

  • 当 \c 后跟一个空格、ASCII 数字或以下字符之一时： !"#$%&'()*+,-./:;<=>{|}~，

    chr(ord($char) ^ 0x40)，但会发出警告（更清晰地编写为）。

  • 当 \c 后跟 ASCII 控制字符 (0x00..0x1F, 0x7F) 或非 ASCII 字符 (≥0x80) 时，

    致命错误 Character following "\c" must be printable ASCII。

• <5.20，

  • 当 \c 后跟一个空格、ASCII 数字、以下字符之一或 ASCII 控制字符 (0x00..0x1F, 0x7F) 时，

    chr(ord($char) ^ 0x40)

  • 当 \c 后跟字符 ≥0x100 时，

    完全是垃圾 (chr(ord(substr(encode_utf8($char, 0, 1)) ^ 0x40) . encode_utf8($char, 1))。

  • 当 \c 后跟字符 0x80..0xFF 时，

    根据字符串的内部存储格式，会产生chr(ord($char) ^ 0x40)或与字符 ≥0x100 相同的完全垃圾。

- ikegami