Il 12 dicembre 2009 20.08, Guido Grazioli <guido.grazioli(a)gmail.com> ha scritto:
Non confondere Unicode con UTF-8, sono uno l'implementazione
dell'altro.
Non mi sono confuso: il carattere « è un carattere definito
nell'Unicode, che UTF-8 è in grado di rappresentare. La parte che
definisce quell'insieme di caratteri in Unicode è (più o meno) la
stessa che definisce i caratteri dell'ISO-8859-1 (ovviamente con
codice diverso), quindi sì, c'è anche lì.
D'altra parte non tutti i caratteri ascii sono stampabili, e
inoltre posix
NON è limitato all'ascii per regex, la limitazione è solo per i motori
PCRE (Perl Compatible Reg Ex)
http://www.regular-expressions.info/refflavors.html
Ero convinto che in Java l'implementazione del costrutto "Punct" per
le RE fosse solo ASCII...
Anzi i motori POSIX hanno le collation nel supporto unicode,
per cui [:alpha:] cattura à per a, e comunque hai [[=a=]] che
cattura entrambe.
Giusto, [: :] indica una classe di caratteri e ci sono pure le
collation, me ne ero dimenticato!
Credo comunque che con Python non funzioni, ma non ho provato. Se non
ricordo male non supporta(va?) le collation...
--
Milo Casagrande <milo(a)ubuntu.com>