Unterstützt PCRE Unicode-Strings korrekt?

Question

Hat PCRE Unicode-Strings korrekt unterstützen?

Answer 1

Ja, das ist der Fall (allerdings wahrscheinlich noch nicht in Unicode 6). Von der Manpage :

Die aktuelle Implementierung von PCRE entspricht in etwa Perl 5.12, einschließlich der Portierung für UTF-8 kodierte Strings und allgemeine Unicode-Kategorie-Eigenschaften. Die Unterstützung von UTF-8 und Unicode muss jedoch explizit aktiviert werden; sie ist nicht die Standardeinstellung. Die Unicode-Tabellen entsprechen der Unicode-Version 5.2.0.

Answer 2

Sie unterstützt vollständig Unicode 5.1

Answer 3

Wenn Ihr PCRE ohne die Aktivierung von UTF-8 kompiliert wurde, können Sie es einschalten, indem Sie (*UTF8) an den Anfang des regulären Ausdrucks.

Zum Beispiel:

> echo  | grep -Po '[]'

entspricht jedem der 3 utf-8-Codes des Zeichens einzeln (d.h. 3 Ausgabezeilen), während dies:

> echo  | grep -Po '(*UTF8)[]'

hat das erwartete Ergebnis: eine Ausgabezeile mit dem Zeichen .

(Ich verwende eine Standardinstallation von Ubuntu 12.04)