ในบทความวิกิพีเดียนิพจน์ปกติมันก็ดูเหมือนว่า[[:digit:]]= = [0-9]\d

สถานการณ์อะไรบ้างที่พวกเขาไม่เท่ากัน? อะไรคือความแตกต่าง?

หลังจากการวิจัยบางอย่างฉันคิดว่าความแตกต่างอย่างหนึ่งคือการแสดงออกของวงเล็บปีกกา[:expr:]ขึ้นอยู่กับสถานที่

ใช่มันคือ[[:digit:]]~ [0-9]~ \d(โดยที่ ~ หมายถึง aproximate)
ในภาษาการเขียนโปรแกรมส่วนใหญ่ (ที่รองรับ) \d≡ [[:digit:]](เหมือนกัน) น้อยกว่ากัน(ไม่อยู่ใน POSIX แต่มันอยู่ใน GNU )
\d[[:digit:]]grep -P

มีตัวเลขจำนวนมากใน UNICODEตัวอย่างเช่น:

123456789 # Hindu-Arabic เลขอารบิค
٠١٢٣٤٥٦٧٨٩ # ARABIC-INDIC
۰۱۲۳۴۵۶۷۸۹ # EXTENDED ARABIC-INDIC/PERSIAN
߀߁߂߃߄߅߆߇߈߉ # NKO DIGIT
०१२३४५६७८९ # DEVANAGARI

ซึ่งทั้งหมดอาจจะรวมอยู่ในหรือ[[:digit:]]\d

แต่โดยทั่วไปเพียงตัวเลข[0-9] ASCII0123456789

มีหลายภาษา: Perl, Java, Python, C. ซึ่ง[[:digit:]](และ\d) เรียกร้องให้มีความหมายเพิ่มเติม ตัวอย่างเช่นรหัส perl นี้จะตรงกับตัวเลขทั้งหมดจากด้านบน:

$ a='0123456789 ٠١٢٣٤٥٦٧٨٩ ۰۱۲۳۴۵۶۷۸۹ ߀߁߂߃߄߅߆߇߈߉ ०१२३४५६७८९'

$ echo "$a" | perl -C -pe 's/[^\d]//g;' ; echo
0123456789٠١٢٣٤٥٦٧٨٩۰۱۲۳۴۵۶۷۸۹߀߁߂߃߄߅߆߇߈߉०१२३४५६७८९

ซึ่งเทียบเท่ากับเลือกอักขระทั้งหมดที่มีคุณสมบัติ Unicode ของNumericและdigits:

$ echo "$a" | perl -C -pe 's/[^\p{Nd}]//g;' ; echo
0123456789٠١٢٣٤٥٦٧٨٩۰۱۲۳۴۵۶۷۸۹߀߁߂߃߄߅߆߇߈߉०१२३४५६७८९

grep ใดที่สามารถทำซ้ำได้ (เวอร์ชันเฉพาะของ pcre อาจมีรายการรหัสจุดตัวเลขภายใน Perl ที่แตกต่างกันกว่า Perl):

$ echo "$a" | grep -oP '\p{Nd}+'
0123456789
٠١٢٣٤٥٦٧٨٩
۰۱۲۳۴۵۶۷۸۹
߀߁߂߃߄߅߆߇߈߉
०१२३४५६७८९

เปลี่ยนเป็น [0-9] เพื่อดู:

$ echo "$a" | grep -o '[0-9]\+'
0123456789

POSIX

สำหรับเฉพาะ POSIX BRE หรือ ERE: ไม่สนับสนุน (ไม่อยู่ใน POSIX แต่อยู่ใน GNU ) เป็นสิ่งจำเป็นโดย POSIX เพื่อให้สอดคล้องกับคลาสตัวละครหลักซึ่ง ISO C จำเป็นต้องเป็นอักขระตั้งแต่ 0 ถึง 9 และไม่มีอะไรอื่น ดังนั้นเพียงใน C สถานที่เกิดเหตุทั้งหมด, , และหมายถึงเหมือนกันว่า ไม่เคยมีใครตีความเป็นไปได้ที่มีอยู่ในระบบสาธารณูปโภคอื่น ๆ และมันก็เป็นเรื่องธรรมดาที่จะหมายถึงเฉพาะ รับการสนับสนุนจากสาธารณูปโภคไม่กี่
\dgrep -P[[:digit:]][0-9][0123456789]\d[[:digit:]][0123456789][[:digit:]][0123456789]\d

สำหรับ[0-9]ความหมายของการแสดงออกช่วงที่กำหนดโดย POSIX ในสถานที่ C; ในสถานที่อื่น ๆ มันอาจแตกต่างกัน (อาจเป็นคำสั่ง codepoint หรือคำสั่งการเปรียบเทียบหรืออย่างอื่น)

เปลือกหอย

การใช้งานบางอย่างอาจเข้าใจช่วงที่แตกต่างจากลำดับ ASCII ธรรมดา (ตัวอย่างเช่น ksh93):

$ LC_ALL=en_US.utf8 ksh -c 'a="'"$a"'";echo "${a//[0-9]}"'
  ۹ ߀߁߂߃߄߅߆߇߈߉ ९

และนั่นคือแหล่งที่มาของข้อผิดพลาดที่รอให้เกิดขึ้น

ขึ้นอยู่กับว่าคุณกำหนดตัวเลขอย่างไร [0-9]มีแนวโน้มที่จะเป็นแค่ ASCII (หรืออาจเป็นอย่างอื่นที่ไม่ใช่ ASCII หรือ superset ของ ASCII แต่มีตัวเลข 10 หลักเหมือนกันใน ASCII เท่านั้นที่มีการแทนค่าบิตที่แตกต่างกัน (EBCDIC)) \dในทางกลับกันอาจเป็นเพียงตัวเลขหลัก (Perl รุ่นเก่าหรือ Perl รุ่นใหม่ที่มี/aการเปิดใช้งานการแสดงออกปกติ) หรืออาจเป็นการจับคู่แบบ Unicode \p{Digit}ซึ่งค่อนข้างเป็นชุดตัวเลขขนาดใหญ่กว่า[0-9]หรือ/\d/aจับคู่

$ perl -E 'say "match" if 42 =~ m/\d/'
match
$ perl -E 'say "match" if "\N{U+09EA}" =~ m/\d/'
match
$ perl -E 'say "match" if "\N{U+09EA}" =~ m/\d/a'
$ perl -E 'say "match" if "\N{U+09EA}" =~ m/[0-9]/'
$ 

perldoc perlrecharclass สำหรับข้อมูลเพิ่มเติมหรือดูเอกสารประกอบของภาษาที่เป็นปัญหาเพื่อดูว่ามันทำงานอย่างไร

แต่เดี๋ยวก่อนมีอีกมาก! สถานที่เกิดเหตุนอกจากนี้ยังอาจแตกต่างกันไปในสิ่งที่\dตรงกับดังนั้น\dอาจไม่ตรงกับตัวเลขน้อยกว่าชุดที่สมบูรณ์ของ Unicode ดังกล่าวและ (หวังว่าปกติ) [0-9]นอกจากนี้ยังมี สิ่งนี้คล้ายกับความแตกต่างใน C ระหว่างisdigit(3)( [0-9]) และisnumber(3)( [0-9รวมถึงสิ่งอื่นจากสถานที่)

อาจมีการโทรที่สามารถรับค่าของตัวเลขแม้ว่าจะไม่ใช่[0-9]:

$ perl -MUnicode::UCD=num -E 'say num(4)'
4
$ perl -MUnicode::UCD=num -E 'say num("\N{U+09EA}")'
4
$ 

ความหมายที่แตกต่างกัน[0-9], [[:digit:]]และ\dถูกนำเสนอในคำตอบอื่น ๆ ที่นี่ฉันต้องการเพิ่มความแตกต่างในการใช้งานของเครื่องมือ regex

            [[:digit:]]    \d
grep -E               ✓     ×
grep -P               ✓     ✓
sed                   ✓     ×
sed -E                ✓     ×

ดังนั้น[[:digit:]]การทำงานเสมอ , \dขึ้นอยู่กับ ในคู่มือของ grep มีการกล่าวถึงว่า[[:digit:]]อยู่0-9ในCโลแคล

PS1: ถ้าคุณรู้มากขึ้นโปรดขยายตาราง

PS2: GNU grep 3.1 และ GNU 4.4 ใช้สำหรับทดสอบ

ความแตกต่างทางทฤษฎีได้รับการอธิบายอย่างดีในคำตอบอื่น ๆ ดังนั้นจึงยังคงอธิบายถึงความแตกต่างในทางปฏิบัติ

ต่อไปนี้เป็นกรณีการใช้งานทั่วไปที่มากขึ้นสำหรับการจับคู่ตัวเลข

การดึงข้อมูล One-shot

บ่อยครั้งเมื่อคุณต้องการกระทืบตัวเลขบางตัวตัวเลขเหล่านั้นจะอยู่ในไฟล์ข้อความที่จัดรูปแบบอย่างเชื่องช้า คุณต้องการแยกมันเพื่อใช้ในโปรแกรมของคุณ คุณอาจบอกรูปแบบตัวเลข (โดยดูที่ไฟล์) และตำแหน่งปัจจุบันของคุณดังนั้นคุณสามารถใช้แบบฟอร์มใด ๆ ได้ตราบใดที่มันทำงานเสร็จ \dต้องใช้การกดแป้นที่น้อยที่สุดดังนั้นจึงใช้กันมาก

อินพุตฆ่าเชื้อ

คุณมีการป้อนข้อมูลของผู้ใช้ที่ไม่น่าเชื่อถือ (อาจมาจากเว็บฟอร์ม) และคุณต้องแน่ใจว่าไม่มีความประหลาดใจใด ๆ บางทีคุณอาจต้องการเก็บไว้ในเขตข้อมูลตัวเลขในฐานข้อมูลหรือใช้เป็นพารามิเตอร์ในคำสั่งเชลล์เพื่อเรียกใช้บนเซิร์ฟเวอร์ ในกรณีนี้คุณต้องการ[0-9]เพราะมันเป็นข้อ จำกัด และคาดเดาได้มากที่สุด

การตรวจสอบข้อมูล

คุณมีข้อมูลบางส่วนที่คุณจะไม่ใช้กับสิ่งที่ "อันตราย" แต่มันก็ดีถ้ารู้ว่ามันมีจำนวนมาก ตัวอย่างเช่นโปรแกรมของคุณอนุญาตให้ผู้ใช้ป้อนที่อยู่และคุณต้องการไฮไลท์ตัวพิมพ์ที่เป็นไปได้หากข้อมูลที่ป้อนไม่มีหมายเลขบ้าน ในกรณีนี้คุณอาจต้องการให้กว้างที่สุดเท่าที่[[:digit:]]จะเป็นไปได้

ดูเหมือนจะเป็นกรณีการใช้งานที่พบมากที่สุดสามกรณีสำหรับการจับคู่แบบหลัก หากคุณคิดว่าฉันพลาดสิ่งสำคัญโปรดส่งความคิดเห็น