Unicode 字符属性

从 5.1.0 开始，当选择 _UTF-8 模式_ 时，可以使用三种额外的转义序列来匹配通用字符类型。它们是

\p{xx}

具有 xx 属性的字符

\P{xx}

没有 xx 属性的字符

\X

扩展 Unicode 序列

上面由 xx 表示的属性名称仅限于 Unicode 通用类别属性。每个字符都只有一个这样的属性，由一个两位字母的缩写指定。为了与 Perl 保持兼容，否定可以通过在开括号和属性名称之间包含一个插入符号来指定。例如，\p{^Lu} 与 \P{Lu} 相同。

如果只用 \p 或 \P 指定一个字母，它将包括以该字母开头的所有属性。在这种情况下，在没有否定的情况下，转义序列中的花括号是可选的；这两个示例具有相同的效果

\p{L}
\pL

PCRE 不支持 InMusicalSymbols 等扩展属性。

指定不区分大小写（不区分大小写）匹配不会影响这些转义序列。例如，\p{Lu} 始终只匹配大写字母。

Unicode 字符集被定义为属于某些脚本。可以使用脚本名称匹配来自这些集合之一的字符。例如

• \p{Greek}
• \P{Han}

那些不属于已识别脚本的字符被归类为 Common。当前的脚本列表是

\X 转义匹配 Unicode 扩展字形集群。扩展字形集群是一个或多个 Unicode 字符，它们组合在一起形成单个字形。实际上，这可以被认为是 . 的 Unicode 等效项，因为它将匹配一个组合字符，而不管实际用于呈现它的单个字符数量。

在早于 8.32 版本的 PCRE（对应于使用捆绑的 PCRE 库的 PHP 版本早于 5.4.14 版本）中，\X 等效于 (?>\PM\pM*)。也就是说，它匹配一个没有“标记”属性的字符，后面跟着零个或多个具有“标记”属性的字符，并将该序列视为一个原子组（见下文）。具有“标记”属性的字符通常是影响前一个字符的重音符号。

通过 Unicode 属性匹配字符速度并不快，因为 PCRE 必须搜索包含超过一万五千个字符数据的结构。这就是为什么传统的转义序列（如 \d 和 \w）在 PCRE 中不使用 Unicode 属性的原因。