如何在 VBA(\s 与 \p{Zs})中使用 RegExp 隔离 space?

How do I isolate a space using RegExp in VBA (\s vs. \p{Zs})?

Introduction/Question:

我一直在研究正则表达式的使用(使用 VBA/Excel),到目前为止我不明白如何使用正则表达式从中分离出 <space>(或 " "\s 中包含的其他白色 space 字符。我以为我可以使用 \p{Zs},但到目前为止,在我的测试中,它还没有成功。有人可以纠正我的误解吗?我感谢任何有用的输入。

为了提供适当的信用,我修改了一些代码,这些代码开始时非常有用 post @Portland Runner 可在此处找到:How to use Regular Expressions (Regex) in Microsoft Excel both in-cell and loops

到目前为止,这是我的approach/study:

使用字符串 "14z-16z Flavored Peanuts",我一直在尝试编写一个 RegExp,它删除 "14z-16z " 并只留下 "Flavored Peanuts"。我最初使用 ^[0-9](\S)+ 作为 strPattern 和一个包含以下片段的子过程:

Sub REGEXP_TEST_SPACE()

Dim strPattern As String
Dim strReplace As String
Dim strInput As String
Dim regEx As New RegExp

strInput = "14z-16z Flavored Peanuts"
strPattern = "^[0-9](\S)+"
strReplace = ""

With regEx
    .Global = True
    .MultiLine = True
    .IgnoreCase = True
    .pattern = strPattern
End With

If regEx.Test(strInput) Then
    Range("A1").Value = regEx.Replace(strInput, strReplace)
End If

End Sub

这种方法给了我 " Flavored Peanuts" 的 A1 值(注意该字符串中的前导 <space>

然后我更改了 strPattern = "^[0-9](\S)+(\s)"(添加了 (\s)),这给了我想要的 "Flavored Peanuts" 的 A1 值。伟大的!!!我得到了想要的输出!

不过据我理解,\s代表所有白色-space字符,等于[ \f\n\r\t\v]。在这种情况下,我知道这个字符只是一个普通的、单一的 space——我不需要回车 return、水平制表符等。所以我试着看看是否可以隔离<space> 正则表达式中的字符(unicode 分隔符:space),我认为是 \p{Zs}(例如 strPattern = "^[0-9](\S)+(\p{Zs})")。然而,使用这种模式,无论如何 return 都不会匹配,更不用说删除前导 space。我还尝试了更通用的 \p{Z}(所有 unicode 分隔符),但这也不起作用。

显然我在学习中遗漏了一些东西。帮助既是需要的也是感激的。谢谢。

您可以在您的 RegEx 模式中明确包含白色 space。以下模式工作得很好

strPattern = "^[0-9](\S)+ "

只需使用文字 space 字符:strPattern = "^[0-9](\S)+ ".

由于您正在尝试查找与 \p{Zs} Unicode 类别 class 的对应关系,因此您可能还想处理所有困难的 space。此代码会有所帮助:

strPattern = "^[0-9](\S)+[ " & ChrW(160) & "]"

或者,

strPattern = "^[0-9](\S+)[ \x0A]"

[ \x0A] 字符 class 将匹配常规的 space 或硬的、不间断的 space

如果你需要匹配各种spaces,你可以使用根据https://www.cs.tut.fi/~jkorpela/chars/spaces.html上的信息获取的这个正则表达式模式:

strPattern = "^[0-9](\S)+[ \xA0\u1680\u180E\u2000-\u200B\u202F\u205F\u3000\uFEFF]"

这是 table 代码点解释:

U+0020  32  SPACE   foo bar Depends on font, typically 1/4 em, often adjusted
U+00A0  160 NO-BREAK SPACE  foo bar As a space, but often not adjusted
U+1680  5760    OGHAM SPACE MARK    foo bar Unspecified; usually not really a space but a dash
U+180E  6158    MONGOLIAN VOWEL SEPARATOR   foo᠎bar No width
U+2000  8192    EN QUAD foo bar 1 en (= 1/2 em)
U+2001  8193    EM QUAD foo bar 1 em (nominally, the height of the font)
U+2002  8194    EN SPACE    foo bar 1 en (= 1/2 em)
U+2003  8195    EM SPACE    foo bar 1 em
U+2004  8196    THREE-PER-EM SPACE  foo bar 1/3 em
U+2005  8197    FOUR-PER-EM SPACE   foo bar 1/4 em
U+2006  8198    SIX-PER-EM SPACE    foo bar 1/6 em
U+2007  8199    FIGURE SPACE    foo bar “Tabular width”, the width of digits
U+2008  8200    PUNCTUATION SPACE   foo bar The width of a period “.”
U+2009  8201    THIN SPACE  foo bar 1/5 em (or sometimes 1/6 em)
U+200A  8202    HAIR SPACE  foo bar Narrower than THIN SPACE
U+200B  8203    ZERO WIDTH SPACE    foo​bar Nominally no width, but may expand
U+202F  8239    NARROW NO-BREAK SPACE   foo bar Narrower than NO-BREAK SPACE (or SPACE)
U+205F  8287    MEDIUM MATHEMATICAL SPACE   foo bar 4/18 em
U+3000  12288   IDEOGRAPHIC SPACE   foo bar The width of ideographic (CJK) characters.
U+FEFF  65279   ZERO WIDTH NO-BREAK SPACE

此致。