如何在Rust中檢查字符是否是Unicode換行符（不僅是ASCII）？

Question

每種編程語言都有自己對\\n和\\r \\n的解釋。 Unicode支持可以表示新行的多個字符。

從Rust參考 ：

空白轉義是字符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）。

基於該語句，我會說如果是\\n或\\r ，則Rust字符是換行符。 在Windows上，它可能是\\r和\\n的組合。 我不確定。

以下怎么樣？

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

在我看來，我們缺少像char.is_new_line()這樣的東西。 我查看了Unicode字符類別，但找不到新行的定義。

我是否必須提出自己對Unicode換行符的定義？

Answer 1

Java，Python，Go和JavaScript等語言之間存在相當大的實際分歧，即構成換行符的內容以及轉換為“新行”的方式。 包含電池的正則表達式引擎如何在多行模式下對像\\r\\r\\n\\n字符串這樣的字符串處理類似$模式表明了分歧：是否有兩行（ \\r\\r\\n ， \\n ） ，三行（ \\r ， \\r\\n ， \\n ，像Unicode說的那樣）或四行（ \\r ， \\r ， \\n ， \\n ，就像JS看到的那樣）？ Go和Python不會將\\r\\n視為單個$ ，Rust的正則表達式也不會; 然而，Java確實如此。 我不知道任何語言的電池將換行處理擴展到任何更多的Unicode字符。

所以這里的內容是

• 同意\\n是換行符
• \\r\\n可能是一個換行符
• 除非\\r\\n被視為兩個換行符
• 除非\\r\\n是“某個字符后跟換行符”
• 除此之外你不會再有任何換行符了。

如果您確實需要將更多Unicode字符視為換行符，則必須定義一個為您執行此操作的函數。 不要指望期望的真實世界輸入。 畢竟，我們有很多年的ASCII記錄分隔符，而且每個人都使用\\t來代替。

更新：請參閱http://www.unicode.org/reports/tr14/tr14-32.html#BreakingRules部分LB5了解為什么\\r\\r\\n應被視為兩個換行符。 您可以閱讀整頁以了解原始問題的實施方式。 我的猜測是你到達“ 東南亞：換行需要形態分析 ”你將關閉標簽:-)