我正在用 Java 为 unicode 文本编写正则表达式。但是，对于我正在使用的特定脚本 - 梵文 (0900 - 097F)，单词边界存在问题。\b 匹配依赖元音的字符（如 093E-094C），因为它们被视为空格字符。
示例：假设我有字符串：“कमल कमाल कम्हल कम्हाल” 请注意，第二个单词中的“मा”是由 म 和 ा（识别为空格字符）组合而成。最后一句话也是如此。这导致 \b 将 'कमाल' 中的 'ल' 与正则表达式 \b\w\b 匹配，根据语言，这不正确。
我希望这个例子有帮助。
我可以编写一个行为类似于 \b 的正则表达式，但它与某些字符不匹配吗？任何反馈将不胜感激。
您应该能够使用以下正则表达式运算符完成您想要的操作：
(?=X) X, via zero-width positive lookahead
(?!X) X, via zero-width negative lookahead
(?<=X) X, via zero-width positive lookbehind
(?<!X) X, via zero-width negative lookbehind
（以上引自Java 6 Pattern API 文档。）
使用(?<![foo])(?=[foo])代替\b单词之前， (?<=[foo])(?![foo])代替\b单词之后，其中“ [foo]”是您的“单词字符”集
单词边界的等效项（如果边界不是您所期望的）将是：
(?<!=[x-y])(<?=[x-y])...(?<=[x-y])(?![x-y])
那是因为“单词边界”的意思是“一侧有字符而另一侧没有字符的位置）
因此，使用后视和前瞻表达式，您可以定义自己的字符类 [xy] 以检查何时要隔离“单词边界”