Java正则表达式\cx(控制字符)

Question

java.util.regex.Pattern 的 Javadoc 说 \cx 表示 x 对应的控制字符。所以我认为 Pattern.compile() 会拒绝 \c 后跟除 [@-_] 之外的任何字符，但它不会!

正如@tchrist 对 What is a regular expression for control characters? 的其中一个答案所评论的那样，根本不检查范围。我测试了来自更高方 block 和星体层的几个字符，看起来它只是翻转了代码点值的第 7 个最低位。

那么这是 Javadoc 错误还是实现错误，还是我误解了什么？ \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？那里是怎么处理的？

Answer 1

对于以下转义，所有版本的 Perl 行为相同:

• 当 \c后跟 ASCII 大写字母或 @[\]^_? 之一,

  chr(ord($char) ^ 0x40)

  这提供了所有 ASCII 控制字符的完整覆盖(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后跟一个 ASCII 小写字母，

  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后跟一个空格、一个 ASCII 数字或 !"#$%&'()*+,-./:;<=>{|}~ 之一,

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

  • 当 \c后跟一个 ASCII 控制字符 ( 0x00 .. 0x1F , 0x7F ) 或一个非 ASCII 字符 (≥ 0x80 ),

    fatal error Character following "\c" must be printable ASCII .

• <5.20,

  • 当 \c后跟一个空格，一个 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 ,

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

  • 当 \c后跟字符 0x80 .. 0xFF ,

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