在zsh正则表达式中匹配Unicode字符

Question

我想确保一个变量不包含特定的字符（在这种情况下是'α'），但以下代码失败了（返回1）：

FOO="test" && [[ $FOO =~ '^[^α]*$' ]]

编辑：根据下方stema的反馈更改了模式，只要求从开头到结尾匹配“非'α'”字符。

将'α'替换为例如'x'可以正常工作。为什么使用'α'时会失败，如何使其正常工作？

系统信息：

$ zsh --version
zsh 4.3.11 (i386-apple-darwin11.0)
$ locale
LANG="en_GB.UTF-8"
LC_COLLATE="en_GB.UTF-8"
LC_CTYPE="en_GB.UTF-8"
LC_MESSAGES="en_GB.UTF-8"
LC_MONETARY="en_GB.UTF-8"
LC_NUMERIC="en_GB.UTF-8"
LC_TIME="en_GB.UTF-8"
LC_ALL="en_GB.UTF-8"

编辑2：我现在在一台运行Ubuntu 11.10的Linux机器上进行了测试，使用相同的区域设置运行zsh 4.3.11，并且它可以正常工作 - 即FOO="test" && [[ $FOO =~ '^[^α]*$' ]]返回成功。 我正在运行Mac OS X 10.7.2。

- beta

Answer 1

用这个正则表达式.*[^α].*，你无法测试字符串中是否存在α。它所测试的是：字符串中是否有一个字符不是α。

如果你想要检查字符串中没有这个字符，可以这样做：

FOO="test" && [[ $FOO =~ '^[^α]*$' ]]

这将检查从开头到结尾的完整字符串是否由非“α”字符组成。

- stema

---

哦，对了。所以它不一定需要匹配整个字符串。是的，那么你是正确的，应该是FOO="test" && [[ $FOO =~ '^[^α]*$' ]]。但那仍然失败了。将'α'更改为'x'就成功了，因此在这里使用'α'字符时必须有些东西不能正常工作。 - beta

Answer 2

最简单的方法是在开头使用负向预查来表达：

^(?!.*α)

这句话的意思是“从起点向前看，我不应该能够在任何地方看到α。”

使用前瞻的优点是它们是非捕获的，因此您可以将它们与其他捕获正则表达式结合使用，例如在输入中查找不包含α的引号中数字组的情况，使用以下内容：^(?!.*α)"(\d+)"

- Bohemian

Answer 3

由于某些原因，我的构建系统出现了类似的问题，而我的笔记本电脑上安装了ZSH 5.0.2版本（其中Unicode按预期工作），而我的构建系统上安装了ZSH 4.3.17版本。我觉得ZSH 5在正则表达式模式中没有Unicode字符的问题。

具体来说，解析键/值对：

[[ "revision/author=Ľudovít Lučenič" =~ '^([^=]+)=(.*)$' ]]
echo "$match[1]:$match[2]"

渲染

:                               # ZSH 4.3.17
revision/author:Ľudovít Lučenič # ZSH 5.0.2

此外，我认为ZSH 4在Unicode支持方面存在一些缺陷。

更新：经过一番调查，我发现正则表达式中的点号无法匹配ZSH 4中的字母'č'。一旦我将模式更新为：

[[ "revision/author=Ľudovít Lučenič" =~ '^([^=]+)=((.|č)*)$' ]]
echo "$match[1]:$match[2]"

我在两个ZSH版本中得到了相同的结果。虽然我不知道为什么这个字母会成为问题，但这可能有助于某些人解决这个缺陷。

- Ľudovít Lučenič