如何在Rust中检查字符是否是Unicode换行符（不仅是ASCII）？

Question

每种编程语言都有自己对\\n和\\r \\n的解释。 Unicode支持可以表示新行的多个字符。

从Rust参考 ：

空白转义是字符U + 006E（n），U + 0072（r）或U + 0074（t）之一，表示Unicode值U + 000A（LF），U + 000D（CR）或U + 0009（HT）。

基于该语句，我会说如果是\\n或\\r ，则Rust字符是换行符。 在Windows上，它可能是\\r和\\n的组合。 我不确定。

以下怎么样？

• 下一行字符（U + 0085）
• 行分隔符（U + 2028）
• 段落分隔符（U + 2029）

在我看来，我们缺少像char.is_new_line()这样的东西。 我查看了Unicode字符类别，但找不到新行的定义。

我是否必须提出自己对Unicode换行符的定义？

Answer 1

Java，Python，Go和JavaScript等语言之间存在相当大的实际分歧，即构成换行符的内容以及转换为“新行”的方式。 包含电池的正则表达式引擎如何在多行模式下对像\\r\\r\\n\\n字符串这样的字符串处理类似$模式表明了分歧：是否有两行（ \\r\\r\\n ， \\n ） ，三行（ \\r ， \\r\\n ， \\n ，像Unicode说的那样）或四行（ \\r ， \\r ， \\n ， \\n ，就像JS看到的那样）？ Go和Python不会将\\r\\n视为单个$ ，Rust的正则表达式也不会; 然而，Java确实如此。 我不知道任何语言的电池将换行处理扩展到任何更多的Unicode字符。

所以这里的内容是

• 同意\\n是换行符
• \\r\\n可能是一个换行符
• 除非\\r\\n被视为两个换行符
• 除非\\r\\n是“某个字符后跟换行符”
• 除此之外你不会再有任何换行符了。

如果您确实需要将更多Unicode字符视为换行符，则必须定义一个为您执行此操作的函数。 不要指望期望的真实世界输入。 毕竟，我们有很多年的ASCII记录分隔符，而且每个人都使用\\t来代替。

更新：请参阅http://www.unicode.org/reports/tr14/tr14-32.html#BreakingRules部分LB5了解为什么\\r\\r\\n应被视为两个换行符。 您可以阅读整页以了解原始问题的实施方式。 我的猜测是你到达“ 东南亚：换行需要形态分析 ”你将关闭标签:-)