Java 正则表达式 cx(控制字符)

Question

Javadoc for java.util.regex.Pattern 表示 cx 表示对应于 x 的控制字符。所以我认为Pattern.compile()会拒绝一个c后跟除[@-_]以外的任何角色，但事实并非如此！

正如@tchrist评论的那样 什么是控制字符的正则表达式？的答案之一，根本不检查范围。我测试了来自更高块和星光平面的几个字符，看起来它只是翻转了代码点值的第 7 低位。

那么它是一个Javadoc错误还是一个实现错误，或者我误解了什么？cx是Java发明的语法，还是其他正则表达式引擎(尤其是Perl(支持它？那里是如何处理的？

Answer 1

所有版本的 Perl 对于以下转义的行为都相同：

• 当c后跟 ASCII 大写字母或 @[]^_? 之一时，

  chr(ord($char) ^ 0x40)

  这提供了所有 ASCII 控制字符 ( 0x00 .0x1F，0x7F(。

  c@ === x00
  cA === x01
  ...
  cZ === x1A
  c[ === x1B
  c === x1C   # Sometimes c\ is needed.
  c] === x1D
  c^ === x1E
  c_ === x1F
  c? === x7F
  

• 当c后跟 ASCII 小写字母时，

  chr(ord($char) ^ 0x60)

  这使得转义不区分大小写。

  ca === cA === x01
  ...
  cz === cZ === x1A
  

---

没有其他序列有意义，但错误检查仅在 Perl 5.20 中引入。

• ≥5.20，

  • 当c后跟空格、ASCII 数字或!"#$%&'()*+,-./:;<=>{|}~之一时，

    chr(ord($char) ^ 0x40)，但警告(is more clearly written simply as(。

  • 当c后跟 ASCII 控制字符 ( 0x00 ..0x1F ， 0x7F ( 或非 ASCII 字符 (≥ 0x80 (，

    致命错误Character following "c" must be printable ASCII。

• <5.20，>

  • 当c后跟空格、ASCII 数字、!"#$%&'()*+,-./:;<=>{|}~之一或 ASCII 控制字符 ( 0x00 .0x1F ， 0x7F (，

    chr(ord($char) ^ 0x40)

  • 当c后跟字符≥ 0x100时，

    垃圾总量(chr(ord(substr(encode_utf8($char, 0, 1)) ^ 0x40) . encode_utf8($char, 1)(。

  • 当c后跟字符0x80时..0xFF ，

    根据字符串的内部存储格式，生成与字符≥ 0x100相同的chr(ord($char) ^ 0x40)或相同的总垃圾。