使用\p{script=Han}在Perl一行中发出匹配的中文字符

Question

在zsh中使用Perl一行程序来匹配汉字真的让我很困惑。我不能得到\p{script=Han}匹配汉字，但P{script=Han}匹配。

任务：--我需要改变这一点：

一  
<lb/> 二

对此：

<tag ref="一二">一
<lb/> 二</tag>

这两个汉字之间可能有不同数量的标签、换行符、空格、制表符、字母数字字符、数字等。我相信最有效率和最有力的方法是寻找一些不是汉字的东西。

我的尝试解决方案：

perl -0777 -pi -e 's/(一)(\P{script=Han}*?)(二)/<tag ref="$1$3">$2<\/tag>/g'

当应用于上述示例时，这将产生预期的效果。

问题:我遇到的问题是\P{script=Han} (或\p{^script=Han})也匹配汉字。

当我试图匹配\p{script=Han}时，正则表达式不匹配，尽管它是一个充满汉字的文件。当尝试匹配\P{script=Han}时，正则表达式匹配文件中的每个字符。

我也不知道原因。

这是一个问题，因为在这种情况下，输出不像预期的那样：

一
<lb/> 三二

变成了

<tag ref="一二">一
<lb/> 三二</tag>

我不希望这种情况完全匹配--仅仅是一和二仅由非汉字的字符分隔的情况。

有人能告诉我我做错了什么吗？或者建议一个解决办法？谢谢!

Answer 1

当我试图匹配\p{script=Han}时，正则表达式不匹配，尽管它是一个充满汉字的文件。

问题是，您的脚本和输入文件都是UTF-8编码的，但是您没有对perl这样说。如果您不告诉perl，它将假定它们是ASCII编码的。

要说您的脚本是UTF-8编码的，请使用utf8实用程序。要告诉perl您打开的所有文件都是UTF-8编码的，请使用命令行选项。因此，下面的oneliner应该解决您的问题：

perl -Mutf8 -CD -0777 -pi -e 's/(一)(\P{script=Han}*?)(二)/<tag ref="$1$3">$2<\/tag>/g' file