En el Oracle Pattern documentation existe la descripción de tres patrones diferentes para los espacios en blanco a juego:¿Cómo elegir entre el patrón de espacios en blanco?
estoy preguntándose cuál es la especificidad de cada uno y cómo saber cómo elegir el correcto. Acabo de notar que \p{javaWhitespace} incluyen más tipo de espacio.
Prefiero usar el primero.
\p{javaWhitespace} incluyen FILE SEPARATOR, GROUP SEPARATOR, etc ... ver this. Usarlo cuando no se necesitan puede confundir a otra persona.\s, mientras que esperaré que comprueben cuál es la definición exacta de \p{javaWhitespace}. No desea eso, ya que disminuye la claridad del código y agrega una carga innecesaria durante la depuración.Ok gracias! El uso de '\ p {javaWhitespace}' es transparente para el desarrollador en mi situación porque estoy usando 'java.util.Scanner', para iterar sobre palabras en una Cadena, y es el delimitador predeterminado. Así que me preguntaba si debería cambiar con '.useDelimiter (" \\ s + ")' –
menos que tenga una razón concreta para usar las otras opciones, me gustaría que sea sencillo y utilizar \s
So '\ s' es simplemente una forma más simple de escribir' \ p {Space} '? –
\s es la más corta y también la opción más no portátil para especificar un carácter de espacio . Aunque es raro transferir el código Java a otros lenguajes, se trata más de transferir el conocimiento de la sintaxis de un motor regex a otro. Hay muchos motores de expresiones regulares que usan la sintaxis similar a Perl, por lo que la diferencia de interpretación para la misma sintaxis como \s confunde a los programadores.
Aparte de espacio (ASCII 32), la nueva línea (\n, ASCII 10), pestaña horizontal (\t, ASCII 9), retorno de carro (\r, ASCII 13) y alimentación de forma (\f, ASCII 12), hay no hay consenso entre los diferentes motores de lo que es un carácter de espacio.
Java, POSIX (ASCII): También incluye pestaña vertical (ASCII 11). Java parece seguir el estándar POSIX aquí.
JavaScript (Edición 5.1): De acuerdo con las especificaciones (palabra por palabra), aparte de los 5 más comunes, que incluye:
categoría Unicode Zs (Separator/Space), \u2028 (línea de separación), \u2029 (Separador de párrafos). Básicamente incluye todos los personajes de la categoría Z (Separador).
En realidad \u2028 es el único miembro de la categoría Zl (Separator/Line) y \u2029 es el único miembro de la categoría Zp (Separator/Paragraph).Por la redacción, es posible que la versión actual de las especificaciones excluya cualquier extensión adicional a esas 2 categorías.
\v\ufeffPerl, PCRE (modo ASCII): pestaña Vertical \v añadida por Perl 5.18 como experimento. Antes de 5.18, solo coincide con los 5 comunes.
Perl (modo Unicode): Aparte de las 5 de las más comunes
\v añadió de Perl 5.18 como experimento.\u0085\u180e.NET (por defecto): Aparte de 5 de las más comunes
\v\u0085Java (Unicode): A partir de Java 7, clase patrón incluye una nueva bandera UNICODE_CHARACTER_CLASS que hace clases de personajes predefinidos y clases de caracteres POSIX se ajusten a Unicode Technical Standard #18: Unicode Regular Expression. Cuando el indicador está activo, clase de caracteres predefinidos y la correspondiente clase de caracteres POSIX serán equivalentes (coinciden con lo mismo).
La lista de caracteres es la misma que la de .NET.
¡Eso es suficiente para volver loco!
\p{Space} es la opción más "estable", ya que sigue la POSIX standard en el modo por defecto, y Unicode Technical Standard #18: Unicode Regular Expression en UNICODE_CHARACTER_CLASS.
Si utiliza la clase de caracteres POSIX, la aplicación compatible con POSIX tendrá el mismo comportamiento en modo ASCII, y los motores de expresiones regulares Unicode que siguen la recomendación tendrán la ( casi) el mismo comportamiento en modo Unicode.
\s y \p{Space} son equivalentes en Java, independientemente de la marca. Si usa \s en Java, puede estar seguro de que está siguiendo alguna norma/recomendación. Solo que no anuncia a la mayoría de los programadores sobre este hecho.
\p{isJavaWhitespace} para que coincida con los espacios en blanco de acuerdo con Java's definition. El nombre de la función es extremadamente engañoso.
Esta respuesta se ha agregado a [Preguntas frecuentes sobre la expresión regular de desbordamiento de pila] (http://stackoverflow.com/a/22944075/2736496) , en "Clases de caracteres". – aliteralmind
Eso depende de lo que sea más claro para usted y para qué lo necesita. ¿Lo necesita para tratar "más tipo de espacio" como espacio o no? –
Sí, quiero usarlo para delimitar palabras en una oración. –