正则表达式——Unicode 匹配规则
通常来讲，数字字符解释[0-9]，单词字符就是[0-9a-zA-Z_]，空白字符则包括空格、回车等字符，但这是 ASCII 编码中的状况，在 Unicode 编码中并不是如此。正则表达式
由于包括了多种语言和字符，因此在 Unicode 编码中，全角数字0、一、2之类也算做“数字字符”，能够由\d匹配；中文字符，也能够算做“单词字符”，由\w匹配；一样的道理，中文的全角空格（码值为30 ff），也能够算做“空白字符”，由\s匹配。因此，若是在 Python 2 中指定了正则表达式使用 Unicode 模式（最简单的方式解释在正则表达式的开头指定模式修饰符(?u)），\d，\w，\s就能匹配全角数字、中文字符、全角空格。对于这种状况，本书中称为 Unicode 匹配规则；相应地，以前 ASCII 编码中的匹配，称为 ASCII 匹配规则。编码
Unicode 模式下\d、\w、\s的匹配
| 简记法 | ASCII 匹配规则 | Unicode 匹配规则 |
|---|---|---|
| \w | [0-9a-zA-Z_] | [\p{Ll}\p{Lu}\p{Lt}\p{Lo}\p{Lm}\p{Nd}\p{Pc}] |
| \d | [0-9] | [\p{Nd}] |
| \s | \t,\n,\v,\f,\r,\x20 | [\f\n\r\t\v\x85\p{Z}] |
注：\p{L}表示任意语言中的字母字符（包括英文字母和汉字）；
\p{M}表示用来与其余字符结合的字符（声调、元音变化符等）；
\p{Nd}表示任何书写系统中的 0~9 字符，汉字全角字符一、2等也算；
\p{N1}表示形如字符的数字，好比罗马数字；
\p{Pc}表示相似下划线之类的字符；
\p{InEnclosedAlphanumerics}表示被包围的数字或字符，好比①；
\p{L}表示任意语言中的字母字符（包括英文字母和汉字）；
code
有时候，这样的规定确实让人抓狂：假设你但愿用正则表达式\d{6,12}来验证一个长度在 6 到 12 之间的数字字符串，却没有留意\d能匹配全角数字，验证就可能出错；因此，必定要注意此类问题。blog
经常使用语言中的匹配规则
| 语言 | 字符组简记法的匹配规则 |
|---|---|
| .NET | 默认采用 Unicode 匹配规则，但能够显示指定采用 ASCII 匹配规则 |
| Java | ASCII 匹配规则 |
| Javascript | ASCII 匹配规则 |
| PHP | ASCII 匹配规则 |
| Python 2 | 默认采用 ASCII 匹配规则，但能够显示指定采用 Unicode 匹配规则 |
| Python 3 | 默认采用 Unicode 匹配规则，但能够显示指定采用 ASCII 匹配规则 |
| Ruby 1.8 | 默认采用 ASCII 匹配规则，显示指定 Unicode 模式以后，只有\w使用 Unicode 匹配规则 |
| Ruby 1.9 | Unicode 匹配规则 |
注1：通常来讲，单词边界\b能匹配的位置是：一端是单词字符，一端不是单词字符（也能够什么都没有），其中单词字符的规定与\w同样。Java 中则不是这样，它的细节比较复杂，之后再说。ip
注2：在Python 3 中能够在表达式最开始用(?a)指定 ASCII 模式。unicode
注3：本书中说的 Ruby 1.9 指的是 Ruby 1.9.1 及以上版本，并不包含 Ruby 1.9.0，由于这个版本使用很是少，并且有一些很是奇怪的表现。字符串