Unicode ma może 50 spacji
\ u0009 \ u000A- \ u000D \ u0020 \ u0085 \ u00A0 \ u1680 \ u180E \ u2000- \ u200A \ u2028 \ u2029 \ u202F \ u205F \ u3000] [\ u0009 \ u000A- \ u000D \ u0020 \ u0085 \ u00A0 \ u1685 u180E \ u2000- \ u200A \ u2029 \ u202F \ u205F \ u3000
i 6 podziałów linii
nie tylko CRLF, LF, CR, ale także NEL (U + 0085), PS (U + 2029) i LS (U + 2028).
Może rozumiem większość spacji i PS („separator akapitu”), ale do czego służą „Next Line” i „Separator linii”?
Wszystko wygląda na wymyślone przez bardzo dużą komisję, w której wszyscy chcieli mieć własne miejsce, a liderom przyznano jeden podział linii. Ale tak na poważnie, jak sobie z tym radzisz, gdy Twój język programowania go nie obsługuje (lub robi to źle, jak np. Java)?
1
Jak Java robi to „źle”?
—
Billy ONeal 30.01.11
Prawie całkowicie, s. stackoverflow.com/questions/4304928/...
—
maaartinus
@maaartinus: (Nie mogę uwierzyć, że bronię Javy wszystkich rzeczy) Klasy postaci Javy są udokumentowane, że mają zastosowanie do określonego zestawu znaków. Unicode dostarcza więcej znaków, które wyglądają, jakby pasowały do tych klas znaków, ale Unicode nie definiuje języków wyrażeń regularnych; tylko kodowanie znaków. Java zachowuje się całkowicie poprawnie zgodnie ze specyfikacją - to znaczy, aby dopasować typowe białe znaki. Jeśli chcesz, aby pasowało do wszystkiego w standardzie Unicode, które może być postrzegane jako puste miejsce, musisz to napisać sam.
—
Billy ONeal 30.01.11
Dziękuję za informację. Jednak mogą swobodnie tworzyć
—
maaartinus
Pattern.compile2010metodę zwracającą wyrażenia regularne działające zgodnie z definicją z ubiegłych lat. Mogą też swobodnie tworzyć metodę, Pattern.compileLatestUTSktóra wyraźnie stwierdza, że znaczenie zmieniłoby się zgodnie z nową specyfikacją.
Wygląda Java ostatecznie zrobił fix / modernizacji ich wdrożenia regex, używając flagi opt-in, aby zapobiec problemy z kompatybilnością wstecz: stackoverflow.com/a/4307261/1172352
—
peterflynn