Regex perl中UTF-8文本的单词边界

我的perl脚本提供了UTF-8格式的字符串，可以是任何语言。我需要将每个单词的第一个字符大写，并将单词的其余字符转换为小写。这必须在保留UTF-8格式文本的同时完成

当文本仅包含拉丁字符时，以下内容似乎足够有效

$my_string =~ s/([\w']+)/\u\L$1/g;

如何使其在UTF-8字符串中工作？

有关您需要熟悉的设施的概述，请参阅。基本上，您正在寻找类似

\p{LC}

的东西

---

然而，你的问题空间并没有得到很好的定义；并非所有脚本都有字符大小写的概念。LC属性将只在脚本上匹配，因此它应该可以让您达到目标。

。。。尽管\w的更接近的替代品可能是\p{Word}，顺便提一下，“\u\L$1”中的\u和\L是否总是正确地转换为大写和小写，或者是否有unicode替代品？我相信如果您的Perl足够新，它们应该是DTRT。实际上，

\p{LC}之类的东西

如果您使用的是字节字符串而不是字符串，则仍然无法使用。加上OP中提供的解决方案在5.14中已经运行良好；在编译单元的顶部编写

使用v5.14

，一切都会很好。我自己从来不为

[\p{CWL}\p{CWT}\p{CWU}]

操心。@Appleton:你问题的答案是函数是正确的，但算法是错误的。在转换为titlecase之前，不能转换为小写，因为如果转换为titlecase，可能会得到某些代码点的错误答案。永远不要写

s/（\w+/\u\L$1/g

，因为这只适用于ASCII码。要保证在Unicode上正常工作，您必须编写

s/（\w）（\w*）/\u$1\L$2/g

。看到区别了吗？casemapping没有往返保证，casemapping中也没有传递平等的保证。事实上，我可以找到这样的代码点，Perl没有UTF-8字符串。它有Unicode格式的字符串，也有字节格式的字节字符串。您在那里编写的内容在当前版本的Perl中已经可以正常工作。您可能需要类似于编译单元顶部的

使用v5.12

、

使用v5.14

或

使用功能“unicode_字符串”

之类的东西才能使其正常工作，但您不需要其他任何东西。谢谢。我忘了提到我正在使用的web服务器仍然有5.8Perl，所以不幸的是，这些建议对我都不可用。