有没有办法列出 perluniprops 中的所有类别？

问题描述

perluniprops 列出了它支持的 Unicode 版本的 Unicode 属性。 For Perl 5.32.1，这是 Unicode 13.0.0。

您可以使用 Unicode::Tussle 的 unichars 获取与类别匹配的字符列表。

unichars '\p{Close_Punctuation}'

还有帮助：

$ unichars --help
Usage:
    unichars [*options*] *criterion* ...

    Each criterion is either a square-bracketed character class,a regex
    starting with a backslash,or an arbitrary Perl expression. See the
    EXAMPLES section below.

    OPTIONS:

     Selection Options:

        --bmp           include the Basic Multilingual Plane (plane 0) [DEFAULT]
        --smp           include the Supplementary Multilingual Plane (plane 1)
        --astral    -a  include planes above the BMP (planes 1-15)
        --unnamed   -u  include varIoUs unnamed characters (see DESCRIPTION)
        --locale    -l  specify the locale used for UCA functions

     display Options:

        --category  -c  include the general category (GC=)
        --script    -s  include the script name (SC=)
        --block     -b  include the block name (BLK=)
        --bidi      -B  include the bidi class (BC=)
        --combining -C  include the canonical combining class (CCC=)
        --numeric   -n  include the numeric value (NV=)
        --casefold  -f  include the casefold status
        --decimal   -d  include the decimal representation of the code point

     Miscellaneous Options:

        --version   -v  print version @R_298_4045@ion and exit
        --help      -h  this message
        --man       -m  full manpage
        --debug     -d  show debugging of criteria and examined code point span

     Special Functions:

         $_    is the current code point
         ord   is the current code point's ordinal

         NAME is charname::viacode(ord)
         NUM is Unicode::UCD::num(ord),not code point number
         CF is casefold->{status}
         NFD,NFC,NFKD,NFKC,FCD,FCC  (normalization)
         UCA,UCA1,UCA2,UCA3,UCA4 (binary sort keys)

         Singleton,Exclusion,NonStDecomp,Comp_Ex
         checkNFD,checkNFC,checkNFKD,checkNFKC,checkFCD,checkFCC
         NFD_NO,NFC_NO,NFC_MAYBE,NFKD_NO,NFKC_NO,NFKC_MAYBE

除了从网页读取类别列表之外，有没有办法以编程方式获取所有可能的 \p{...} 类别？

解决方法

根据评论，我相信您正在尝试将使用 \p 正则表达式属性的 Perl 程序移植到 Python。您不需要所有类别的列表（无论这意味着什么）；您只需要知道程序使用的每个属性匹配的代码点。

现在，您可以从 Unicode database 获取代码点列表。但更简单的解决方案是使用 Python 的 regex 模块而不是 re 模块。这将使您能够访问 Perl 公开的相同的 Unicode 定义的属性。

最新版本的 regex 模块甚至像最新的 Perl 一样使用 Unicode 13.0.0。

请注意，程序使用了 \p{IsAlnum}，\p{Alnum} 的写法很长。 \p{Alnum} 不是标准的 Unicode 属性，而是 Perl 扩展。它是 Unicode 属性 \p{Alpha} 和 \p{Nd} 的联合。我不知道 regex 模块对 Alnum 的定义是否相同，但可能确实如此。

character-set perl string string unicode