在 zsh 正则表达式中匹配 unicode 字符

Question

我想确保变量不包含特定字符（在本例中为“α”），但以下代码失败（返回 1）：

FOO="test" && [[ $FOO =~ '^[^α]*$' ]]

编辑：根据下面的 Stema 的反馈更改了模式以要求从头到尾仅匹配“非 'α'” 字符。

将 'α' 替换为 'x' 可以按预期工作。为什么它会失败并显示“α”，我该如何使其工作？

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：我现在在运行 Ubuntu 11.10 和 zsh 4.3.11 且具有相同语言环境设置的 Linux 计算机上进行了测试，并且它可以工作 – 即 FOO="test" && [[ $FOO =~ '^[^α]*$' ]] 返回成功。我运行的是 Mac OS X 10.7.2。

Answer 1

使用此正则表达式 .*[^α].* 您无法测试 α 不在字符串中。这是测试的内容：字符串中是否有一个不是 α 的字符。

如果您想检查字符串中是否存在该字符，请执行此操作，

FOO="test" && [[ $FOO =~ '^[^α]*
这将检查从开始到结束的完整字符串是否由非“α”字符组成。
 ]]

这将检查从开始到结束的完整字符串是否由非“α”字符组成。

Answer 2

的最简单方法是在开始处锚定一个负前瞻：

^(?!.*α)

这就是说“当从一开始向前看时，我不应该在任何地方看到 α。

表达这一点 使用查找头是因为它们是非捕获的，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，使用这个： ^(?!.*α)"(\d+)"

Answer 3

由于某种原因，我在我的构建系统上遇到了类似的问题，而我的笔记本上有 ZSH 版本 5.0.2（其中 Unicode 按预期工作），而我的构建系统上有 ZSH 4.3.17。在我看来，ZSH 5 不存在正则表达式模式中 Unicode 字符的问题。

具体来说，解析键/值对：

[[ "revision/author=Ľudovít Lučenič" =~ '^([^=]+)=(.*)
 renders
:                               # ZSH 4.3.17
revision/author:Ľudovít Lučenič # ZSH 5.0.2

另外，我假设 ZSH 4 Unicode 支持总体上存在一些缺点。
 更新：经过一番调查，我发现正则表达式中的点与 ZSH 4 中的字母“č”不匹配。一旦我将模式更新为：
[[ "revision/author=Ľudovít Lučenič" =~ '^([^=]+)=((.|č)*)
我在两个 ZSH 中得到相同的结果版本。但我不知道为什么这封信是这里的问题。然而，它可能会帮助某人解决这个缺点。
 ]]
echo "$match[1]:$match[2]"

 renders

另外，我假设 ZSH 4 Unicode 支持总体上存在一些缺点。
 更新：经过一番调查，我发现正则表达式中的点与 ZSH 4 中的字母“č”不匹配。一旦我将模式更新为：

我在两个 ZSH 中得到相同的结果版本。但我不知道为什么这封信是这里的问题。然而，它可能会帮助某人解决这个缺点。
 ]]
echo "$match[1]:$match[2]"

我在两个 ZSH 中得到相同的结果版本。但我不知道为什么这封信是这里的问题。然而，它可能会帮助某人解决这个缺点。

]] echo "$match[1]:$match[2]"

renders

另外，我假设 ZSH 4 Unicode 支持总体上存在一些缺点。

更新：经过一番调查，我发现正则表达式中的点与 ZSH 4 中的字母“č”不匹配。一旦我将模式更新为：

我在两个 ZSH 中得到相同的结果版本。但我不知道为什么这封信是这里的问题。然而，它可能会帮助某人解决这个缺点。