Usa un doppio negativo:
/[^\S\r\n]/
Cioè, non-non-spazi bianchi (i complementi di S maiuscoli) o non-trasporto-ritorno o non-newline. Distribuire l'esterno non ( cioè il complemento ^nella classe personaggio) con la legge di De Morgan , questo equivale a "spazi bianchi ma non ritorno a capo o newline". Includere entrambi \re \nnel modello gestisce correttamente tutte le convenzioni newline di Unix (LF), Mac OS (CR) e DOS-ish (CR LF) .
Non c'è bisogno di crederci sulla parola:
#! /usr/bin/env perl
use strict;
use warnings;
use 5.005; # for qr//
my $ws_not_crlf = qr/[^\S\r\n]/;
for (' ', '\f', '\t', '\r', '\n') {
my $qq = qq["$_"];
printf "%-4s => %s\n", $qq,
(eval $qq) =~ $ws_not_crlf ? "match" : "no match";
}
Produzione:
"" => corrispondenza
"\ f" => match
"\ t" => match
"\ r" => nessuna corrispondenza
"\ n" => nessuna corrispondenza
Nota l'esclusione della scheda verticale, ma questo è risolto nella v5.18 .
Prima di obiettare troppo duramente, la documentazione Perl utilizza la stessa tecnica. Si legge una nota a piè di pagina nella sezione "Spazio bianco" della perlrecharclass
Prima di Perl v5.18, \snon corrispondeva alla scheda verticale. [^\S\cK](oscuramente) corrisponde a ciò che \stradizionalmente faceva.
La stessa sezione di perlrecharclass suggerisce anche altri approcci che non offenderanno l'opposizione degli insegnanti di lingue ai doppi negativi.
Fuori dalle regole locali e Unicode o quando l' opzione /aè attiva, " \scorrisponde [\t\n\f\r ]e, a partire da Perl v5.18, la scheda verticale \cK". Scarta \re \ndi lasciare /[\t\f\cK ]/per la corrispondenza spazi bianchi, ma non nuova riga.
Se il tuo testo è Unicode, utilizza un codice simile al sotto riportato di seguito per costruire un modello dalla tabella nella sezione della documentazione sopra menzionata .
sub ws_not_nl {
local($_) = <<'EOTable';
0x0009 CHARACTER TABULATION h s
0x000a LINE FEED (LF) vs
0x000b LINE TABULATION vs [1]
0x000c FORM FEED (FF) vs
0x000d CARRIAGE RETURN (CR) vs
0x0020 SPACE h s
0x0085 NEXT LINE (NEL) vs [2]
0x00a0 NO-BREAK SPACE h s [2]
0x1680 OGHAM SPACE MARK h s
0x2000 EN QUAD h s
0x2001 EM QUAD h s
0x2002 EN SPACE h s
0x2003 EM SPACE h s
0x2004 THREE-PER-EM SPACE h s
0x2005 FOUR-PER-EM SPACE h s
0x2006 SIX-PER-EM SPACE h s
0x2007 FIGURE SPACE h s
0x2008 PUNCTUATION SPACE h s
0x2009 THIN SPACE h s
0x200a HAIR SPACE h s
0x2028 LINE SEPARATOR vs
0x2029 PARAGRAPH SEPARATOR vs
0x202f NARROW NO-BREAK SPACE h s
0x205f MEDIUM MATHEMATICAL SPACE h s
0x3000 IDEOGRAPHIC SPACE h s
EOTable
my $class;
while (/^0x([0-9a-f]{4})\s+([A-Z\s]+)/mg) {
my($hex,$name) = ($1,$2);
next if $name =~ /\b(?:CR|NL|NEL|SEPARATOR)\b/;
$class .= "\\N{U+$hex}";
}
qr/[$class]/u;
}
Altre applicazioni
Il trucco a doppio negativo è utile anche per abbinare i caratteri alfabetici. Ricordate che \wle partite “caratteri di parola”, caratteri alfabetici e cifre e underscore. Noi brutti americani a volte vogliamo scriverlo come, diciamo,
if (/[A-Za-z]+/) { ... }
ma una classe di caratteri a doppio negativo può rispettare la locale:
if (/[^\W\d_]+/) { ... }
Esprimere "un carattere parola ma non cifra o carattere di sottolineatura" in questo modo è un po 'opaco. Una classe di caratteri POSIX comunica l'intento più direttamente
if (/[[:alpha:]]+/) { ... }
o con una proprietà Unicode come suggerito da szbalint
if (/\p{Letter}+/) { ... }
[\r\f].