Use un doble negativo:
/[^\S\r\n]/
Es decir, no espacio en blanco (la S mayúscula se complementa) o no retorno de carro o no nueva línea. Distribuyendo el exterior no ( es decir , el complemento ^en la clase de caracteres) con la ley de De Morgan , esto es equivalente a "espacio en blanco pero no retorno de carro o nueva línea". La inclusión de ambos \ry \nen el patrón maneja correctamente todas las convenciones de nueva línea de Unix (LF), Mac OS (CR) clásico y DOS-ish (CR LF) .
No es necesario tomar mi palabra:
#! /usr/bin/env perl
use strict;
use warnings;
use 5.005; # for qr//
my $ws_not_crlf = qr/[^\S\r\n]/;
for (' ', '\f', '\t', '\r', '\n') {
my $qq = qq["$_"];
printf "%-4s => %s\n", $qq,
(eval $qq) =~ $ws_not_crlf ? "match" : "no match";
}
Salida:
"" => coincidencia
"\ f" => coincidencia
"\ t" => coincidencia
"\ r" => sin coincidencia
"\ n" => sin coincidencia
Tenga en cuenta la exclusión de la pestaña vertical, pero esto se aborda en v5.18 .
Antes de objetar con demasiada dureza, la documentación de Perl usa la misma técnica. Una nota al pie en la sección "Espacio en blanco" de perlrecharclass lee
Antes de Perl v5.18, \sno coincidía con la pestaña vertical. [^\S\cK](oscuramente) coincide con lo que \stradicionalmente hacía.
La misma sección de perlrecharclass también sugiere otros enfoques que no ofenden la oposición de los profesores de idiomas a los negativos dobles.
Fuera de la configuración regional y las reglas Unicode o cuando el /acambio está en vigor, " \scoincide [\t\n\f\r ]y, comenzando en Perl v5.18, la pestaña vertical \cK". Deseche \ry \ndeje /[\t\f\cK ]/para espacios en blanco coincidentes pero no para nueva línea.
Si su texto es Unicode, use un código similar al siguiente para construir un patrón de la tabla en la sección de documentación mencionada anteriormente .
sub ws_not_nl {
local($_) = <<'EOTable';
0x0009 CHARACTER TABULATION h s
0x000a LINE FEED (LF) vs
0x000b LINE TABULATION vs [1]
0x000c FORM FEED (FF) vs
0x000d CARRIAGE RETURN (CR) vs
0x0020 SPACE h s
0x0085 NEXT LINE (NEL) vs [2]
0x00a0 NO-BREAK SPACE h s [2]
0x1680 OGHAM SPACE MARK h s
0x2000 EN QUAD h s
0x2001 EM QUAD h s
0x2002 EN SPACE h s
0x2003 EM SPACE h s
0x2004 THREE-PER-EM SPACE h s
0x2005 FOUR-PER-EM SPACE h s
0x2006 SIX-PER-EM SPACE h s
0x2007 FIGURE SPACE h s
0x2008 PUNCTUATION SPACE h s
0x2009 THIN SPACE h s
0x200a HAIR SPACE h s
0x2028 LINE SEPARATOR vs
0x2029 PARAGRAPH SEPARATOR vs
0x202f NARROW NO-BREAK SPACE h s
0x205f MEDIUM MATHEMATICAL SPACE h s
0x3000 IDEOGRAPHIC SPACE h s
EOTable
my $class;
while (/^0x([0-9a-f]{4})\s+([A-Z\s]+)/mg) {
my($hex,$name) = ($1,$2);
next if $name =~ /\b(?:CR|NL|NEL|SEPARATOR)\b/;
$class .= "\\N{U+$hex}";
}
qr/[$class]/u;
}
Otras aplicaciones
El truco doble negativo también es útil para hacer coincidir los caracteres alfabéticos. Recuerde que \wcoincide con "caracteres de palabras", caracteres alfabéticos y dígitos y guiones bajos. Los estadounidenses feos a veces queremos escribirlo como, digamos,
if (/[A-Za-z]+/) { ... }
pero una clase de caracteres doble negativa puede respetar la configuración regional:
if (/[^\W\d_]+/) { ... }
Expresar "un carácter de palabra pero no un dígito o guión bajo" de esta manera es un poco opaco. Una clase de caracteres POSIX comunica la intención más directamente
if (/[[:alpha:]]+/) { ... }
o con una propiedad Unicode como szbalint sugirió
if (/\p{Letter}+/) { ... }
[\r\f].