Regex 用于包含特殊字符û；

在Perl 5.8.5中，我需要编写一个正则表达式，它应该匹配包含扩展拉丁字符集的整个单词。如果我这样写“\b\w+\b”，如果遇到像这样的字符，它就会断开

为了确保在Perl 5.8.5中使用正则表达式对拉丁1（ISO8859-1）字符集（包括所有扩展字符）进行整词匹配，需要做些什么

Perl安装在CentOS 4.6中。Linux中的locale命令提供以下输出：

LANG=en_US
LC_CTYPE="en_US"
LC_NUMERIC="en_US"
LC_TIME="en_US"
LC_COLLATE="en_US"
LC_MONETARY="en_US"
LC_MESSAGES="en_US"
LC_PAPER="en_US"
LC_NAME="en_US"
LC_ADDRESS="en_US"
LC_TELEPHONE="en_US"
LC_MEASUREMENT="en_US"
LC_IDENTIFICATION="en_US"
LC_ALL=

对于给定的单词，例如“abc grèler xyz”，不应该搜索与字符串“gr”的整词匹配的正则表达式，在我的例子中，搜索的是单词“grèler”的子字符串。正则表达式是：

$string =~ /\b\w+\b/;

输出为“gr”，这是不正确的，因为它是如上所述的子字符串

另外，我不想完全排除匹配扩展字符。如果需要对整个单词“grāler”进行匹配，那么它也可以与相同的正则表达式配合使用

---

谢谢您的帮助。

您需要

使用locale

来创建对locale敏感的正则表达式。不过，这也会影响许多其他Perl方面，因此您可能不希望全局启用它。请参阅

perllocale

文档。

正如ikegami所指出的，您可能只是没有解码您的输入。 考虑一下这一班轮（在UTF-8终端上）：

由于它在匹配之前对输入字符串进行解码，这要归功于

-Mopen=:std，：utf8

（这也会导致对输出进行编码）。 您可以通过显式解码/编码（通过等）获得相同的结果

现在从上面的一行中删除

-Mopen=：std，：utf8

，您将获得与您描述的相同的意外匹配（在“gr”子字符串上）

更多信息：

---

我不知道这么旧的perl是否还有其他问题（perl 5.8.8应该可以工作）。

您使用的是perl 5.8.5，这是一个非常旧的perl版本。我不确定该版本的Perl如何支持unicode。Perldoc的网页并没有追溯到很久以前，我无法通过Perlbrew安装它。是否可以更新到较新版本的Perl？如果您对输入进行解码，即使它是iso-8859-1，也可以解决您的问题。

echo "abc grûler xyz" | perl -Mopen=:std,:utf8 -le '$,="\n"; print <> =~ /\b\w+\b/g'

abc
grûler
xyz