如何选择空格模式？

Question

如何选择空格模式？

javaregex

6

在Oracle Pattern documentation中，有三种不同的模式用于匹配空格的描述：

\s
\p{Space}
\p{javaWhitespace}

我想知道每个模式的具体性质以及如何选择正确的模式。我刚注意到\p{javaWhitespace}包含更多类型的空格。

- alain.janinm

这取决于哪种方式对您来说最清晰，以及您需要它用于什么。您需要将“更多空格类型”视为空格还是不视为空格？ - Peter Lawrey

是的，我想使用它来分隔句子中的单词。 - alain.janinm

3个回答

5

我更喜欢使用第一个。

它很简洁
在许多其他语言以及正则表达式理论中都是相同的符号表示法
\p{javaWhitespace} 包括文件分隔符、组分隔符等，请参见这里。不必要地使用它可能会使其他人感到困惑。
通常情况下，我会期望另一个程序员知道\s是什么，而我会期望他们仔细检查\p{javaWhitespace}的确切定义。这并无益处，会降低代码清晰度，并增加调试时不必要的负担。

- UmNyobe

好的，谢谢！在我的情况下，使用\p{javaWhitespace}对于开发人员来说是透明的，因为我正在使用java.util.Scanner来迭代字符串中的单词，并且它是默认分隔符。所以我想知道是否应该改用.useDelimiter("\\s+")。 - alain.janinm

1

除非你有特定的原因使用其他选项，否则我建议保持简单，使用\s

- Peter Lawrey

жЙАдї•\sеП™жШѓеЖЩ\p{Space}зЪДдЄАзІНжЫізЃАеНХзЪДжЦєеЉПеРЧпЉЯ - alain.janinm

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- nhahtdh · Accepted Answer

\s 是指定“空格字符”的最短且不太可移植的选项。虽然将Java代码移植到其他语言很少见，但更多是将一种正则表达式引擎的语法知识移植到另一个上。有许多使用Perl语法的正则表达式引擎，因此对于相同语法的解释差异（例如\s），会让程序员感到困惑。

除了空格（ASCII 32）、换行符（\n，ASCII 10）、水平制表符（\t，ASCII 9）、回车符（\r，ASCII 13）和换页符（\f，ASCII 12）之外，在不同引擎之间并没有达成一致，关于什么是“空格字符”。

Java, POSIX (ASCII)：还包括垂直制表符（ASCII 11）。Java 在这里似乎遵循 POSIX 标准。
JavaScript（版本 5.1）：根据规范（逐字逐句），除了 5 种常见的字符外，还包括：
- Unicode 类别Zs（分隔符/空格）、\u2028（行分隔符）、\u2029（段落分隔符）。它基本上包括类别 Z（分隔符）下的所有字符。
  
  ^{实际上，\u2028 是类别 Zl（分隔符/行）的唯一成员，而 \u2029 是类别 Zp（分隔符/段落）的唯一成员。从措辞上看，当前版本的规范可能排除了对那两个类别的任何进一步扩展。}
- 垂直制表符 \v
- 字节序标记 a.k.a. 零宽不换行空格 \ufeff
Perl、PCRE（ASCII 模式）：从 Perl 5.18 开始作为实验添加了垂直制表符 \v。在 5.18 之前，它只匹配 5 种常见的字符。
Perl（Unicode 模式）：除了 5 种常见的字符外
- Unicode 类别 Z（分隔符）
- 从 Perl 5.18 开始作为实验添加了垂直制表符 \v。
- NEXT LINE（NEL）\u0085
- 蒙古语元音分隔符 \u180e
.NET（默认）：除了 5 种常见的字符外
- Unicode 类别 Z（分隔符）
- 垂直制表符 \v
- NEXT LINE（NEL）\u0085
Java（Unicode）：从 Java 7 开始，Pattern 类包括一个新标志UNICODE_CHARACTER_CLASS，使得预定义字符类和POSIX 字符类符合 Unicode Regular Expression 技术标准#18。当启用该标志时，预定义字符类和相应的POSIX 字符类将变得等效（匹配相同的内容）。

字符列表与 .NET 相同。

那已经足以让人发疯了！

\p{Space} 是更为“稳定”的选项，因为它在默认模式下遵循POSIX标准和UNICODE_CHARACTER_CLASS中的Unicode技术标准#18：Unicode正则表达式。

如果您使用POSIX字符类，则符合POSIX标准的实现将在ASCII模式下具有相同的行为，在遵循建议的Unicode正则表达式引擎中，在Unicode模式下也会有（几乎）相同的行为。

在Java中，无论标志如何，\s和\p{Space}是等效的。如果您在Java中使用\s，您可以确信您正在遵循某些标准/建议。只是这事实并没有向大多数程序员宣布。

\p{isJavaWhitespace}可以匹配符合Java的定义的空格。该函数名称极其误导。