如何用Perl的\p{…}正则匹配仅零宽Unicode字符？

我在将表格转换为人类可读格式时，需要专门处理包含零宽Unicode字符的内容。目前只能手动枚举遇到的CGJ（U+034F）、零宽非连接符（U+200C）、零宽连接符（U+200D）、LTR标记（U+200E）、RTL标记（U+200F）这类字符，但尝试用Perl的\p{XPosixPrint}识别时失败了，测试代码及输出如下：

perl -we "print(qq(\n)), print, print qq(\t), (chr hex) =~ /\p{XPosixPrint}/ for @ARGV" 034f 200c 200d 200e 200f

输出：

034f    1
200c    1
200d    1
200e    1
200f    1

请问有没有办法用\p{…}的组合，精准匹配且仅匹配零宽Unicode字符？

解决方案：使用\p{Zero_Width}属性 #

Perl支持直接通过\p{Zero_Width}这个Unicode属性来匹配所有零宽字符，它正好覆盖你提到的CGJ、零宽非连接符/连接符、双向方向标记等，且不会匹配非零宽的字符。

验证测试

替换成\p{Zero_Width}后的测试代码：

perl -we "print(qq(\n)), print, print qq(\t), (chr hex) =~ /\p{Zero_Width}/ for @ARGV" 034f 200c 200d 200e 200f

输出符合预期：

034f    1
200c    1
200d    1
200e    1
200f    1

如果测试非零宽的格式字符（比如U+00AD软连字符）：

perl -we 'print "00AD\t", (chr hex("00AD")) =~ /\p{Zero_Width}/ ? 1 : 0'

输出为00AD 0，说明该属性不会误匹配非零宽字符。

自定义调整

如果需要排除特定零宽字符（比如U+FEFF零宽无中断空格），可以用负属性组合：

# 匹配除U+FEFF外的所有零宽字符
/\p{Zero_Width}(?!\x{FEFF})/

或者用字符类减法：

/[\p{Zero_Width}--\x{FEFF}]/

内容的提问来源于stack exchange，提问作者Ilya Zakharevich