Unicodeと：アルファ：

Question

はなぜこのfalseです：

iex(1)> String.match?("汉语漢語", ~r/^[[:alpha:]]+$/) 
false 

しかし、これはtrueです：？

iex(2)> String.match?("汉语漢語", ~r/[[:alpha:]]/) 
true 

時々[:alpha:]はユニコードで、時にはそうではありませんか？

編集：

私の元の例では十分とは言えません。

なぜこのfalseです：

iex(1)> String.match?("汉", ~r/^[[:alpha:]]+$/) 
false 

しかし、これはtrueです：？

iex(2)> String.match?("汉", ~r/[[:alpha:]]/) 
true 

Answer 1

あなたは非Unicodeモードでの正規表現に文字列を渡すと、それは配列として扱われますUnicode文字列ではなく、バイト数です。 IO.puts byte_size("汉语漢語")（12、入力がすべてのバイトで構成されているすべてのバイト：230,177,137,232,175,173,230,188,162,232,170,158）とIO.puts String.length("汉语漢語")（4、Unicodeの「文字」）の違いを参照してください。 POSIX文字クラス[:alpha:]と一致できない文字列内のバイトがあります。したがって、最初の式は機能しませんが、2番目の式は有効な一致を返すために1文字しか必要としません。適切PCRE正規表現ライブラリでUnicode文字列に一致するように

（それはエリクサーで使用されている）、あなたは/u修飾子でUnicodeモードを有効にする必要があります。

IO.puts String.match?("汉语漢語", ~r/^[[:alpha:]]+$/u) 

IDEONE demo（プリントをtrue）を参照してください

Elixir regex reference：

unicode (u) -のようなユニコード固有のパターンを可能にするなどの修飾語句を変更し、\w,\W,\sなどの変更を加えて、ユニコードでも一致させる必要があります。それは、マッチで有効なユニコード文字列が与えられることを期待しています。