如何获取具有给定属性的所有 Unicode 字符的列表？

Question

如果不循环整个 Unicode 字符范围，如何获取具有给定属性的字符列表？ 特别是我想要一个所有数字字符的列表（即那些匹配 /\d/ 的字符）。 我查看了 Unicode::UCD，它是对于确定给定字符的属性很有用，但似乎没有办法获取具有属性的列表字符。

Answer 1

每个类的 Unicode 字符列表是在编译 Perl 时从 Unicode 规范生成的，通常存储在 /usr/lib/perl-YOURPERLVERSION/unicore/lib/gc_sc/

例如，匹配的 Unicode 字符范围列表IsDigit（又名 \d）存储在文件 /usr/lib/perl-YOURPERLVERSION/unicore/lib/gc_sc/Digit.pl 中

Answer 2

unicore/To/Digit.pl 甚至比 unicore/lib/gc_sc/Digit.pl 更好。 它是 Unicode 数字字符（实际上是它们的偏移量）到它们的数值的直接映射。 这意味着

use Unicode::Digits qw/digit_to_int/;

my @digits;
for (split "\n", require "unicore/lib/gc_sc/Digit.pl") {
    my ($s, $e) = map hex, split;
    for (my $ord = $s; $ord <= $e; $ord++) {
        my $chr = chr $ord;
        push @{$digits[digits_to_int $chr]}, $chr;
    }
}

for my $i (0 .. 9) {
    my $re = join '', "[", @{$digits[$i]}, "]";
    $digits[$i] = qr/$re/;
}

我可以说：

my @digits;
for (split "\n", require "unicore/To/Digit.pl") {
    my ($ord, $val) = split;
    my $chr = chr hex $ord;
    push @{$digits[$val]}, $chr;
}

for my $i (0 .. 9) {
    my $re = join '', "[", @{$digits[$i]}, "]";
    $digits[$i] = qr/$re/;
}

甚至更好：

my @digits;
for (split "\n", require "unicore/To/Digit.pl") {
    my ($ord, $val) = split;
    $digits[$val] .= "\\x{$ord}";
}
@digits = map { qr/[$_]/ } @digits;

Answer 3

/\d/ 匹配哪些字符完全取决于您的正则表达式实现（尽管保证标准 0-9）。 对于 Perl，使用的 perl 语言环境 定义哪些字符被视为字母和数字。

Answer 4

如果不迭代所有字符，就无法做到这一点。
（如果您使用所有这些字符串创建一个巨大的字符串并使用正则表达式，您仍然必须至少执行一次循环才能创建字符串）。