如何匹配Unicode元音？

Question

什么字符类或Unicode属性将匹配Perl中的任何Unicode元音？

错误答案：[aeiouAEIOU]。（此处布道，洗衣清单中的第24项）

perluniprops只提到朝鲜文和印度文的元音。

让我们把元音是什么的问题放在一边。是的，i在某些上下文中可能不是元音。所以，任何可以是元音的字符都可以。




Answer 1

匿名用户

撇开元音的定义和不同语言共享符号但使用不同的明显问题不谈，您可以定义自己的属性以在Perl模式中使用。

在或Is中定义以开头的子例程，并指定其中可以包含的字符。最简单的是一个代码行，或一系列由水平空格分隔的代码：

#!perl
use v5.10;
use utf8;
use open qw(:std :utf8);

sub InSpecial {
    return <<"HERE";
00A7
00B6
2295\t229C
HERE
}


$_ = "ABC\x{00A7}";

say $_;
say /\p{InForeign}/ ? 'Matched' : 'Missed';

Answer 2

首先，并非所有书面语言都有“元音”。（例如，中文 （Zhōngwén）（书面汉语）不是，因为它是表意文字而不是语音。另一个例子是，日本人大多不这样做；它主要使用辅音元音平假名或片假名音节，如“ga”、“wa”、“tsu”）

一些书面语言（例如印地语、孟加拉语、希腊语、俄语）确实有元音，但使用的字符不容易映射到aeiou。对于这些语言，您必须找到（搜索Metaspan？）或者制作查找表，指定哪些字母是“元音”。

但是，如果您处理的是任何基于拉丁字母（abcdeghijklmnopqrstuvwxyz）的书面语言，即使该语言使用大量变音符号（在Perl和Unicode圈子中称为“组合标记”）（例如，越南语），您可以轻松地将它们映射到“元音”或“非元音”，是的。方法是“规范化到完全分解形式”，然后去掉所有组合标记，然后折叠大小写，然后将每个字母与regex/[aeiou]/进行比较。以下Perl脚本将使用基于拉丁的字母表找到任何语言中的大部分或全部“元音”：

#!/usr/bin/perl -CSDA
# vowel-count.pl
use v5.20;
use Unicode::Normalize 'NFD';
my $vcount;
while (<>)
{
   $_ =~ s/[\r\n]+$//;
   say "\nRaw string: $_";
   my $decomposed = NFD $_;
   my $stripped = ($decomposed =~ s/\pM//gr);
   say "Stripped string: $stripped";
   my $folded = fc $stripped;
   my @base_letters = split //, $stripped;
   $vcount = 0;
   /[aeiou]/ and ++$vcount for @base_letters;
   say "# of vowels: $vcount";
}

Answer 3

没有这样的财产。

$ uniprops --all a
U+0061 <a> \N{LATIN SMALL LETTER A}
    \w \pL \p{LC} \p{L_} \p{L&} \p{Ll}
    AHex POSIX_XDigit All Alnum X_POSIX_Alnum Alpha X_POSIX_Alpha Alphabetic Any ASCII
       ASCII_Hex_Digit Assigned Basic_Latin ID_Continue Is_IDC Cased Cased_Letter LC
       Changes_When_Casemapped CWCM Changes_When_Titlecased CWT Changes_When_Uppercased CWU Ll L
       Gr_Base Grapheme_Base Graph X_POSIX_Graph GrBase Hex X_POSIX_XDigit Hex_Digit IDC ID_Start
       IDS Letter L_ Latin Latn Lowercase_Letter Lower X_POSIX_Lower Lowercase PerlWord POSIX_Word
       POSIX_Alnum POSIX_Alpha POSIX_Graph POSIX_Lower POSIX_Print Print X_POSIX_Print Unicode Word
       X_POSIX_Word XDigit XID_Continue XIDC XID_Start XIDS
    Age=1.1 Age=V1_1 Block=Basic_Latin Bidi_Class=L Bidi_Class=Left_To_Right BC=L
       Bidi_Paired_Bracket_Type=None Block=ASCII BLK=ASCII Canonical_Combining_Class=0
       Canonical_Combining_Class=Not_Reordered CCC=NR Canonical_Combining_Class=NR
       Decomposition_Type=None DT=None East_Asian_Width=Na East_Asian_Width=Narrow EA=Na
       Grapheme_Cluster_Break=Other GCB=XX Grapheme_Cluster_Break=XX Hangul_Syllable_Type=NA
       Hangul_Syllable_Type=Not_Applicable HST=NA Indic_Positional_Category=NA InPC=NA
       Indic_Syllabic_Category=Other InSC=Other Joining_Group=No_Joining_Group JG=NoJoiningGroup
       Joining_Type=Non_Joining JT=U Joining_Type=U Script=Latin Line_Break=AL
       Line_Break=Alphabetic LB=AL Numeric_Type=None NT=None Numeric_Value=NaN NV=NaN
       Present_In=1.1 IN=1.1 Present_In=2.0 IN=2.0 Present_In=2.1 IN=2.1 Present_In=3.0 IN=3.0
       Present_In=3.1 IN=3.1 Present_In=3.2 IN=3.2 Present_In=4.0 IN=4.0 Present_In=4.1 IN=4.1
       Present_In=5.0 IN=5.0 Present_In=5.1 IN=5.1 Present_In=5.2 IN=5.2 Present_In=6.0 IN=6.0
       Present_In=6.1 IN=6.1 Present_In=6.2 IN=6.2 Present_In=6.3 IN=6.3 Present_In=7.0 IN=7.0
       Present_In=8.0 IN=8.0 SC=Latn Script=Latn Script_Extensions=Latin Scx=Latn
       Script_Extensions=Latn Sentence_Break=LO Sentence_Break=Lower SB=LO Word_Break=ALetter WB=LE
       Word_Break=LE

在处理i18n时，最重要的事情是思考您实际需要什么，但您甚至没有提到您正在努力实现什么。

查找元音？这不可能是你真正想要做的。我可以用它来识别一个单词中的元音，但这些元音通常是由多个字母组成的（比如英语中的“oo”，法语中的“in”，“an”/“en”，“ou”，“ai”，“au”/“eau”，“eu”），而且这是特定于语言的。

就目前情况而言，你要求一个全球解决方案，但你用本地术语定义问题。你首先需要定义你试图解决的实际问题。