不同Perl对垂直选项卡的不同处理

Question

我有两个Perl程序，它们使用相同的库处理文档。它们安装在两个不同的服务器上，一个运行Perl 5.12，另一个运行Perl 5.18。

现在，我将相同的文件作为输入提供给两者，因此我可以比较输出以确保它们匹配。我找到了成百上千个一模一样的匹配。它们通常处理UTF-8文件，我已经注意到正确地处理这种编码。

今天他们都收到了一个二进制文件，我第一次看到了不同之处。我确定一个程序(运行Perl5.18的程序)在输出文件之前从文件内容中剥离了垂直制表符，而另一个程序没有这样做。

我可以把它写成不支持二进制文件，但它们是不同的，这仍然困扰着我。我查看了正在进行处理的库，它包含以下行(它将以这种方式处理文件中的每一行)：

$line =~ s/\s//g;

有没有可能其中一个Perl认为垂直制表符是空格，而另一个不是？我该怎么检查呢？你觉得我还应该调查什么？

Answer 1

从5.18开始，vertical tabs are considered whitespace。

没有人记得为什么\s不能与垂直标签\cK相匹配。现在它做到了。考虑到这个角色的极端稀缺性，预计几乎不会有什么破坏。也就是说，它的意思是：

正则表达式中的\s现在可以在所有情况下匹配垂直制表符。

使用/x修饰符时，会忽略正则表达式文本中的文本垂直制表符。

在将字符串解释为数字时，单独或与其他空格混合使用的前导垂直制表符现在将被忽略。例如：

$dec =“\cK \t 123"；$hex =”\cK \t 0xF"；假设0+ $dec；#之前是0，现在是123，表示int $dec；#是0，现在是123，表示oct $hex；#是0，现在是15

这使得Perl与Unicode保持一致，后者认为U+000B行制表又称垂直制表，又称VT，即White_Space字符。

您可以通过用[^\S\x0B]替换\s来恢复原来的行为。

同样值得考虑的是\h，它只匹配水平空格字符。

U+0009 CHARACTER TABULATION        Matched by \s & \h
U+000A LINE FEED                   Matched by \s & \v
U+000B LINE TABULATION             Matched by \s & \v
U+000C FORM FEED                   Matched by \s & \v
U+000D CARRIAGE RETURN             Matched by \s & \v
U+0020 SPACE                       Matched by \s & \h
U+0085 NEXT LINE                   Matched by \s & \v
U+00A0 NO-BREAK SPACE              Matched by \s & \h
U+1680 OGHAM SPACE MARK            Matched by \s & \h
U+2000 EN QUAD                     Matched by \s & \h
U+2001 EM QUAD                     Matched by \s & \h
U+2002 EN SPACE                    Matched by \s & \h
U+2003 EM SPACE                    Matched by \s & \h
U+2004 THREE-PER-EM SPACE          Matched by \s & \h
U+2005 FOUR-PER-EM SPACE           Matched by \s & \h
U+2006 SIX-PER-EM SPACE            Matched by \s & \h
U+2007 FIGURE SPACE                Matched by \s & \h
U+2008 PUNCTUATION SPACE           Matched by \s & \h
U+2009 THIN SPACE                  Matched by \s & \h
U+200A HAIR SPACE                  Matched by \s & \h
U+2028 LINE SEPARATOR              Matched by \s & \v
U+2029 PARAGRAPH SEPARATOR         Matched by \s & \v
U+202F NARROW NO-BREAK SPACE       Matched by \s & \h
U+205F MEDIUM MATHEMATICAL SPACE   Matched by \s & \h
U+3000 IDEOGRAPHIC SPACE           Matched by \s & \h