如何在Rust中检查字符是否为Unicode换行符（不仅限于ASCII）？

Question

每种编程语言都有自己对\n和\r的解释。Unicode支持多个字符来表示换行符。

从Rust参考文档中可以得知:

引用:

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

根据这个声明，我认为如果一个Rust字符是\n或\r，那么它就是一个新行字符。在Windows上，它可能是\r和\n的组合。不过我不确定。

那以下字符呢？

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

在我看来，我们缺少一个类似于char.is_new_line()的东西。 我查看了Unicode字符类别，但没有找到新行的定义。 我必须自己想出Unicode新行字符的定义吗？

- Noel Widmer

Answer 1

Java、Python、Go 和 JavaScript 等编程语言之间存在实际差异，不同的是它们认为什么构成换行符，并且如何将其转换为“新行”。这种分歧可通过电池内置正则表达式引擎处理多行模式下类似于 $ 的模式与类似于 \r\r\n\n 的字符串来证明：是否有两行（\r\r\n，\n），三行（\r，\r\n，\n，就像 Unicode 所说的那样）或四行（\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 regex crate 也不会；Java 则会。我不知道是否有任何一种语言的电池可以扩展到任何更多的 Unicode 字符。

因此，要点如下：

• 已经商定 \n 是换行符
• \r\n 可能是单一的换行符
• 除非 \r\n 被视为两个换行符
• 除非 \r\n 是“某个字符后面跟着一个换行符”
• 您不应该再拥有除此之外的任何新行。

如果您真的需要将更多的 Unicode 字符视为换行符，则必须定义一个可以为您执行此操作的函数。不要期望实际输入也期望这样。毕竟，ASCII 记录分隔符已经存在了无数年，每个人都使用 \t 代替。

更新：请参见 http://www.unicode.org/reports/tr14/tr14-32.html#BreakingRules 的第 LB5 节，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，以理解如何实现您的原始问题。我猜在看到“东南亚：换行需要形态分析”时，您会关闭标签页 :-)

- user2722968

---

这是一个非常好的调查，我预计会有一定程度的差异，但实际上并没有那么多。既然你提到了Unicode如何看待它，如果你能链接或提及Unicode中定义的内容来支持你的答案，那就太好了。 - Matthieu M.

Answer 2

换行符被声明为 0xA，来自这份文档

示例：Rust Playground

// c is our `char`
if c == 0xA as char {
   println!("got a newline character")
}

- Osoro