Unicode 字元屬性

自 5.1.0 版起，當選取 *UTF-8 模式* 時，可以使用三個額外的跳脫序列來比對泛用字元類型。它們是

\p{xx}

具有 xx 屬性的字元

\P{xx}

沒有 xx 屬性的字元

\X

擴充的 Unicode 序列

上面以 xx 表示的屬性名稱僅限於 Unicode 通用類別屬性。每個字元都恰好具有一個這樣的屬性，由兩個字母的縮寫指定。為了與 Perl 相容，可以在左大括號和屬性名稱之間加入一個脫字符號 (^) 來指定否定。例如，\p{^Lu} 與 \P{Lu} 相同。

如果使用 \p 或 \P 只指定一個字母，則它包含所有以該字母開頭的屬性。在這種情況下，如果沒有否定，則跳脫序列中的大括號是可選的；以下兩個範例具有相同的效果

\p{L}
\pL

PCRE 不支援 InMusicalSymbols 等擴充屬性。

指定不區分大小寫（忽略大小寫）的匹配不會影響這些跳脫序列。例如，\p{Lu} 永遠只匹配大寫字母。

Unicode 字元集被定義為屬於某些文字。可以使用文字名稱來匹配來自這些集合的字元。例如

• \p{Greek}
• \P{Han}

不屬於已識別文字的字元被歸類為 Common。目前的文字列表如下：

\X 逸出序列會匹配一個 Unicode 延伸字形叢集。延伸字形叢集是由一個或多個 Unicode 字元組合而成，形成單一字形。實際上，這可以被認為是 . 的 Unicode 等效項，因為它會匹配一個組合字元，無論實際上有多少個單獨字元用於渲染它。

在早於 8.32 的 PCRE 版本中（對應於使用捆綁 PCRE 函式庫時，PHP 版本早於 5.4.14），\X 等效於 (?>\PM\pM*)。也就是說，它匹配一個沒有「標記」屬性的字元，後跟零個或多個具有「標記」屬性的字元，並將序列視為一個原子群組（見下文）。具有「標記」屬性的字元通常是影響前一個字元的重音符號。

通過 Unicode 屬性匹配字元速度並不快，因為 PCRE 必須搜尋一個包含超過一萬五千個字元資料的結構。這就是為什麼傳統的逸出序列，例如 \d 和 \w 在 PCRE 中不使用 Unicode 屬性的原因。