30、深入探索 Unicode：字符处理与属性匹配

深入探索 Unicode：字符处理与属性匹配

1. 自定义大小写映射模块

在 Perl 中，有一个名为 Unicode::Casing 的 CPAN 模块，它允许用户自定义大小写映射，这些映射可用于 lc() 、 lcfirst() 、 uc() 、 ucfirst() 和 fc() 函数，或者它们对应的双引号字符串内联版本，如 \U 。在 Perl 5.16 之前，此功能部分由 Perl 核心提供，但存在一些难以克服的缺点，因此后来编写了这个 CPAN 模块。

2. 正则表达式中的字符类匹配

正则表达式中的字符类基于 Unicode 属性数据库中指定的字符属性进行匹配。例如， \w 可用于匹配日语表意文字， [[:digit:]] 可匹配孟加拉数字。此外，还可以使用 \p{} “匹配属性” 结构和 \P{} “不匹配属性” 的否定结构来使用 Unicode 属性、脚本和块范围进行匹配。

3. 扩展字符簇（逻辑字符）

在 Unicode 中，一个字符可能会带有各种标记，例如字母 H 可能会有重音符号、抑扬符号等。由于可能的组合数量极其庞大，如果为每个组合都分配一个字符，很快就会耗尽 Unicode 超过一百万个可能的字符。因此，Unicode 采用了不同的方法：有一个基础字符 <