具有多调希腊大写字母的意外正则表达式结果

Question

我正在尝试 select 使用正则表达式在多调希腊文本中仅使用大写字母。具体的应用程序是 PHP，但我遇到了麻烦所以我开始在 RegExr 中玩弄它：

([Α-ΩΗΙΟΥΩᾼῌῼΡΆΈΉΊΌΎΏᾺῈῊῚῸῪῺἈἘἨἸὈὨᾈᾘᾨἌἜἬἼὌὬᾌᾜᾬἊἚἪἺὊὪᾊᾚᾪἎἮἾὮᾎᾞᾮἉἙἩἹὉὙὩᾉᾙᾩῬἍἝἭἽὍὝὭᾍᾝᾭἋἛἫἻὋὛὫᾋᾛᾫἏἯἿὟὯᾏᾟᾯΪΫᾹῙῩᾸῘῨ])

当 JavaScript 引擎被 selected 时，行为符合预期。但是，如果我 select PCRE 不仅是大写字母 selected，还有一堆看似随机的小写字母。

任何人都可以阐明这里发生的事情吗？这是一个错误吗？有没有办法使用 PCRE 引擎得到想要的结果？

Answer 1

您需要告诉 PCRE 正则表达式引擎将输入解析为 Unicode 字符串。

在 PCRE 正则表达式中，您可以在模式前加上 (*UTF) 动词。 (*UTF)[Α-ΩΗΙΟΥΩᾼῌῼΡΆΈΉΊΌΎΏᾺῈῊῚῸῪῺἈἘἨἸὈὨᾈᾘᾨἌἜἬἼὌὬᾌᾜᾬἊἚἪἺὊὪᾊᾚᾪἎἮἾὮᾎᾞᾮἉἙἩἹὉὙὩᾉᾙᾩῬἍἝἭἽὍὝὭᾍᾝᾭἋἛἫἻὋὛὫᾋᾛᾫἏἯἿὟὯᾏᾟᾯΪΫᾹῙῩᾸῘῨ] 突出显示正确的匹配项。

但是，您也可以使用

使其更短一些

(*UTF)(?=\p{Lu})\p{Greek}

这里，

(*UTF) - 告诉 PCRE 引擎输入是 Unicode 字符串的 PCRE 动词
(?=\p{Lu}) - 要求下一个字符为大写字符的正向前瞻
\p{Greek} - 希腊字符。

请注意，如果您的 PCRE 实现中有 u 标志支持，这很可能是可行的方法（如 PHP、/(?=\p{Lu})\p{Greek}/u）。

具有多调希腊大写字母的意外正则表达式结果

Unexpected regex results with polytonic Greek capitals

regex

pcre