regex - Perl 预编译正则表达式 - utf8

Question

当我做:

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 );

perl 如何知道它何时必须只匹配 ascii uppercase当 utf8 uppercase ?
它是一个预编译的正则表达式 - 所以有点 perl 必须知道，什么是大写。取决于区域设置？如果是，如何将“C”语言环境中的 utf8 大写与预编译的正则表达式匹配？

根据 tchrist 的评论更新:

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

输出是:

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

这是什么意思，预编译的正则表达式不是“硬预编译”而是“软预编译” - 所以 perl 根据匹配的 $line 的 utf8 标志替换 '[[:upper:]]' 。

Answer 1

在 Perl 5.14 之前，这不是很好定义。

在 5.14 中，模式知道它是如何编译的，你有 /u , /l , /d , /a , 或 /aa模式修饰符。你也可以说

use re "/u";

或者

use re "/msu";

在词法范围内打开所有这些标志。

例如，在 5.14 下:

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

我会避开语言环境；只需使用全 Unicode。

顺便说一句，我会确保“外部来源”给你一个正确解码的字符串；也就是说，打开了它的 UTF8 标志。字符函数在编码字符串上效果不佳，因为它们确实需要解码字符串。