Haskell 无法识别字符 类 的 Perl 兼容正则表达式

Question

我希望在 Haskell 中使用 perl 兼容的正则表达式，特别是简写字符 类 \w 和 \s 等

我了解这些在标准 posix 模块中不可用：

import Text.Regex.Posix

"this is a string" =~ "\S+"

<interactive>:3:25: error:
    lexical error in string/character literal at character 'S'

然而，我希望 pcre 包能够处理这个问题，但看到了相同的结果：

import Text.Regex.PCRE

"this is a string" =~ "\S+"

<interactive>:2:25: error:
    lexical error in string/character literal at character 'S'

在 python 中，它会像这样工作：

>>> import re
>>> re.findall(r'\S+', "this is a string")
['this', 'is', 'a', 'string']

如何在 Haskell 中使用这些正则表达式字符 类？

Answer 1

这与正则表达式或 Haskell 与 Python 无关。请注意，您也不会写 re.findall("\S+", "this is a string")^†。您需要 原始字符串文字 才能像这样使用反斜杠。 Haskell 没有内置原始字符串文字，但它确实有准引号，允许您 emulate them.

Prelude> :set -XQuasiQuotes 
Prelude> :m +Text.RawString.QQ Text.Regex.PCRE
Prelude Text.RawString.QQ Text.Regex.PCRE> "this is a string" =~ [r|\S+|] :: String
"this"

或者，只需对反斜杠进行两次转义："this is a string" =~ "\S+"

---

^†_{实际上单反斜杠版本在 Python 中有效，即使使用简单的引号，但这似乎是一个后备方案规则。最好不要依赖这个。}

Answer 2

有了 Posix，您可以使用：

\w ...  [\p{L}\p{M}\p{Nd}\p{Nl}\p{Pc}]
\W ...  [\p{L}\p{M}\p{Nd}\p{Nl}\p{Pc}]
\s ...  [[:space:]]
\S ...  [^[:space:]]
\d ...  [[:digit:]]
\D ...  [^[:digit:]]

使用 PCRE 包您可以使用：

\w ...  [\p{L}\p{M}\p{Nl}\p{Nd}\p{Pc}]
\W ...  [^\p{L}\p{M}\p{Nl}\p{Nd}\p{Pc}]
\s ...  [\p{Z}\t\n\cK\f\r\x85]
\S ...  [^\p{Z}\t\n\cK\f\r\x85]
\d ...  \p{Nd}
\D ...  \P{Nd}