¿PCRE admite la cadena Unicode correctamente?

Question

¿Es PCRE compatible con la cadena Unicode correctamente?

Answer 1

Sí, lo hace (aunque probablemente no sea Unicode 6 todavía). Desde el man page:

La implementación actual de PCRE corresponde aproximadamente con Perl 5.12, incluyendo puerto para cadenas UTF-8 codificados y Unicode propiedades categoría general. Sin embargo, la compatibilidad con UTF-8 y Unicode debe estar explícitamente habilitada; no es el predeterminado. Las tablas Unicode corresponden a la versión 5.2.0 de Unicode.

Answer 2

Se supportsc completamente Unicode 5.1

Answer 3

Si su PCRE se compiló sin UTF-8 está activado, puede activarlo añadiendo (*UTF8) al comienzo de la expresión regular.

Por ejemplo:

> echo ‒ | grep -Po '[‒]' 

partidos cada uno de los 3 UTF-8 códigos del carácter ‒ individualmente (es decir: 3 líneas de salida), mientras que este:

> echo ‒ | grep -Po '(*UTF8)[‒]' 

tiene la espera resultado, produciendo una línea de salida que contiene el carácter ‒.

(Estoy usando una instalación en stock de Ubuntu 12.04)