Utf8中CamelCase (WikiWord)的正确正则表达式

Question

这里有一个关于CamelCase regex的问题。结合tchrist post，我想知道什么是正确的utf-8 CamelCase。

从(brian d foy's)正则表达式开始：

/
    \b          # start at word boundary
    [A-Z]       # start with upper
    [a-zA-Z]*   # followed by any alpha

    (?:  # non-capturing grouping for alternation precedence
       [a-z][a-zA-Z]*[A-Z]   # next bit is lower, any zero or more, ending with upper
          |                     # or 
       [A-Z][a-zA-Z]*[a-z]   # next bit is upper, any zero or more, ending with lower
    )

    [a-zA-Z]*   # anything that's left
    \b          # end at word 
/x

并修改为：

/
    \b          # start at word boundary
    \p{Uppercase_Letter}     # start with upper
    \p{Alphabetic}*          # followed by any alpha

    (?:  # non-capturing grouping for alternation precedence
       \p{Lowercase_Letter}[a-zA-Z]*\p{Uppercase_Letter}   ### next bit is lower, any zero or more, ending with upper
          |                  # or 
       \p{Uppercase_Letter}[a-zA-Z]*\p{Lowercase_Letter}   ### next bit is upper, any zero or more, ending with lower
    )

    \p{Alphabetic}*          # anything that's left
    \b          # end at word 
/x

标记为#的行有问题。

此外，当假设大于数字和下划线时，如何修改正则表达式与小写字母等效，因此W2X3是一个有效的CamelCase单词。

更新： (ysth评论)

下一个，

• any：意为“大写或小写或数字或下划线”

。

正则表达式应该与CamelWord、CaW匹配。

以大写letter

• optional any

• lowercase字母或数字开头的
• 或underscore
• optional any
• 大写大写letter
• optional任何

请不要标记为重复，因为它不是。 (和答案)只考虑ascii。

Answer 1

我真的不知道你想做什么，但这应该更接近你的初衷。不过，我还是不知道你用它做什么。

m{
    \b
    \p{Upper}      #  start with uppercase code point (NOT LETTER)

    \w*            #  optional ident chars 

    # note that upper and lower are not related to letters
    (?:  \p{Lower} \w* \p{Upper}
      |  \p{Upper} \w* \p{Lower}
    )

    \w*

    \b
}x

永远不要使用[a-z]。事实上，不要使用\p{Lowercase_Letter}或\p{Ll}，因为它们与更理想和更正确的\p{Lowercase}和\p{Lower}不一样。

请记住，\w实际上只是一个别名

[\p{Alphabetic}\p{Mark}\p{Decimal_Number}\p{Letter_Number}\p{Connector_Punctuation}]