Unicode Karakterlerinini Özellikleri

UTF-8 kipi seçildiğinde soysal karakter türleriyle eşleşen üç düzenli ifade işleci daha devreye girmiştir. Bunlar:

\p{xx}: xx özelliğine sahip bir karakter
\P{xx}: xx özelliği olmayan bir karakter
\X: bir genişletilmiş Unicode dizilimi

Yukarıda xx ile belirtilen özellik isimleri Unicode genel sınıf özellikleriyle sınırlıdır. Belirtilen her karakter, belli bir özelliğin iki harflik kısaltmasındaki harflerle aynı olmak zorundadır. Perl ile uyumluluk için, olumsuzlama işleci kaşlı ayraç ile özellik kısaltmasının ilk harfi arasına konmalıdır. Örneğin, \p{^Lu} şablonu \P{Lu} ile aynıdır.

Eğer \p veya \P ile tek bir harf belirtilirse bu harfle başlayan tüm özellikleri ifade edecektir. Böyle bir durumda, olumsuzlama işleci kullanılmayacaksa kaşlı ayraçların kullanımı isteğe bağlıdır. Yani, bu iki örnek aynı etkiye sahiptir:

   \p{L}
   \pL

**Desteklenen özellik kodları**
Özellik	Eşleşmeler	Açıklamalar
`C`	Diğer
`Cc`	Denetim
`Cf`	Biçem
`Cn`	Atanmamış
`Co`	Özel kullanım
`Cs`	İkame
`L`	Harf	Şu özellikleri içerir: `Ll`, `Lm`, `Lo`, `Lt` ve `Lu`.
`Ll`	Küçük harf
`Lm`	Değiştirici harf
`Lo`	Diğer harf
`Lt`	Başlık harfi
`Lu`	Büyük harf
`M`	İm
`Mc`	Boşluk imi
`Me`	Kapsama imi
`Mn`	Boşluk bırakmama imi
`N`	Sayı
`Nd`	Onluk sayı
`Nl`	Harf numarası
`No`	Diğer sayı
`P`	Noktalama
`Pc`	Bağlayıcı noktalama
`Pd`	Tire imi
`Pe`	Kapama imi
`Pf`	Sonlandırma imi
`Pi`	Başlatma imi
`Po`	Diğer noktalama
`Ps`	Açma imi
`S`	Simge
`Sc`	Para simgesi
`Sk`	Değiştirici simge
`Sm`	Matematiksel simge
`So`	Diğer simge
`Z`	Ayraç
`Zl`	Satır ayracı
`Zp`	Paragraf ayracı
`Zs`	Boşluk ayracı

"InMusicalSymbols" gibi ek özellikler PCRE tarafından desteklenmemektedir.

Harf büyüklüğüne duyarsız eşleşme belirtilmesi bu önceleme dizilimlerini etkilemez. Örneğin, \p{Lu} şablonu daima sadece büyük harflerle eşleşecektir.

Unicode karakter kümeleri, belirli dillere ait olarak tanımlanır. Bu kümelerden birindeki bir karakter, bir dil adı kullanılarak eşleştirilebilir. Örneğin:

\p{Greek}
\P{Han}

Tanımlanmış bir dilin parçası olmayanlar ortak (Common) olarak bir araya toplanır. Mevcut dil listesi:

**Desteklenen Diller**
`Arapça`	`Ermenice`	`Avestan`	`Balice`	`Bamum`
`Batak`	`Bengali`	`Bopomofo`	`Brahmi`	`Braille`
`Bugice`	`Buhid`	`Kanadalı_Aborijin`	`Karya`	`Çakma`
`Cham`	`Çeroki`	`Ortak`	`Kıpti`	`Çivi Yazısı`
`Kıbrıslı`	`Kiril`	`Deseret`	`Devanagari`	`Mısır_Hiyeroglifleri`
`Etiyopyalı`	`Gürcü`	`Glagolitik`	`Gotik`	`Yunan`
`Gujarati`	`Gurmukhi`	`Han`	`Hangul`	`Hanunoo`
`İbranice`	`Hiragana`	`İmparatorluk_Aramice`	`Miras`	`Yazıtlı_Pehlevi`
`Yazıtlı_Partiyalı`	`Cavaca`	`Kaithi`	`Kannada`	`Katakana`
`Kayah_Li`	`Kharoshthi`	`Kımer`	`Lao`	`Latince`
`Lepcha`	`Limbu`	`Doğrusal_B`	`Lisu`	`Likyaca`
`Lidyaca`	`Malayalamca`	`Mandaik`	`Meetei_Mayek`	`Meroitik_Elyazısı`
`Meroitik_Hiyeroglifler`	`Miao`	`Moğolca`	`Myanmar`	`New_Tai_Lue`
`Nko`	`Ogham`	`Eski_İtalik`	`Eski_Farsça`	`Eski_Güney_Arapçası`
`Eski_Türk`	`Ol_Chiki`	`Oriya`	`Osmanya`	`Phags_Pa`
`Fenike`	`Rejang`	`Runik`	`Samiriyeli`	`Saurashtra`
`Sharada`	`Shavian`	`Sinhala`	`Sora_Sompeng`	`Sundaca`
`Syloti_Nagri`	`Süryanice`	`Tagalog`	`Tagbanwa`	`Tai_Le`
`Tai_Tham`	`Tai_Viet`	`Takri`	`Tamil`	`Telugu`
`Thaana`	`Thai`	`Tibetçe`	`Tifinagh`	`Ugaritik`
`Vai`	`Yi`

\X öncelemi, bir Unicode genişletilmiş grafem kümesiyle eşleşir. Genişletilmiş bir grafem kümesi, tek bir glif oluşturmak için birleşen bir veya daha fazla Unicode karakteridir. Gerçekte, bu, Unicode eşdeğeri olarak düşünülebilir. Çünkü onu oluşturmak için gerçekte kaç karakter kullanıldığına bakılmaksızın, oluşturulmuş bir karakterle eşleşecektir.

8.32'den daha eski PCRE sürümlerinde (birlikte verilen PCRE kitaplığını kullanırken 5.4.14'ten önceki PHP sürümlerine karşılık gelir), \X ile (?>\PM\pM*) eşdeğerdir. Yani, "mark" özelliği olmayan bir karakterle, ardından "mark" özelliğine sahip sıfır veya daha fazla karakterle eşleşir ve diziyi bir atomik grup olarak ele alır (aşağıya bakın). "Mark" özelliğine sahip karakterler tipik olarak önceki karakteri etkileyen aksanlardır.

Unicode karakterleriyle eşleşme hızlı değildir, çünkü PCRE on beş binden fazla karakter içeren bir kümeyi araştırmak zorundadır. \d ve \w gibi geleneksel işleçlerin PCRE'de Unicode özelliklerini kullanmamasının sebebi budur.