पर्ल precompiled regex - UTF8

Question

जब मैं कार्य करें:

use strict; use warnings; 
my $regex = qr/[[:upper:]]/; 
my $line = MyModule::get_my_line_from_external_source(); #file, db, etc... 
print "upper here\n" if($line =~ $regex); 

पर्ल कैसे पता है जब यह केवल ascii uppercase और जब utf8 uppercase से मेल खाना चाहिए होगा? यह एक precompiled regex है - तो कुछ हद तक perl पता होना चाहिए, अपरकेस क्या है। लोकेल सेटिंग्स पर आश्रित? यदि हां, precompiled regex के साथ "सी" लोकेल में utf8 अपरकेस से कैसे मिलान करें?

अद्यतन tchrist की टिप्पणी के आधार:

use strict; use warnings; use Encode; 
my $regex = qr/[[:upper:]]/; 

my $line = XXX::line(); 
print "$line: upper1 ", ($line =~ $regex) ? "YES" : "NO", "\n"; 

my $uline = Encode::decode_utf8($line); 
print "$uline: upper2 ", ($uline =~ $regex) ? "YES" : "NO", "\n"; 

package XXX; 
sub line { return "alpha-Ω"; } #returning octets - not utf8 chars 

उत्पादन होता है:

alpha-Ω: upper1 NO 
alpha-Ω: upper2 YES 

इसका क्या मतलब है, कि precompiled regex नहीं है 'कड़ी मेहनत से precompiled' लेकिन 'नरम-precompiled' - इसलिए मिलान $ 1 के utf8 ध्वज के आधार पर '[[: upper:]]' को प्रतिस्थापित करें।

Answer 1

पर्ल 5.14 से पहले, यह बहुत अच्छी तरह से परिभाषित नहीं किया गया था।

5.14 के साथ

, पैटर्न में जाना जाता है कि यह कैसे संकलित किया गया है, और आप /u, /l, /d, /a, या /aa पैटर्न संशोधक है। आप यह भी कह सकते हैं

use re "/u"; 

या

use re "/msu"; 

शाब्दिक दायरे में पर उन सभी झंडे चालू करने के लिए।

उदाहरण के लिए, 5.14 के तहत:

% perl -le 'print qr/foo/' 
(?^:foo) 
% perl -E 'say qr/foo/' 
(?^u:foo) 
% perl -E 'say qr/foo/l' 
(?^l:foo) 

मैं स्थान स्पष्ट stear होगा; बस सभी यूनिकोड का उपयोग करें।

बीटीडब्लू, मैं यह सुनिश्चित कर दूंगा कि "बाहरी स्रोत" ने आपको एक स्ट्रिंग वापस दे दी जो उचित रूप से डीकोड किया गया था; यानी, इसका यूटीएफ 8 झंडा चालू है। चरित्र कार्य एन्कोडेड तारों पर खराब काम करते हैं, क्योंकि वे वास्तव में इसके बजाय डिकोडेड स्ट्रिंग चाहते हैं।