regex - VBA 使用正则表达式将希腊单词作为整个单词进行匹配

Question

我正在尝试匹配正则表达式模式中的希腊字符。似乎 VBA 在支持 Unicode 方面非常有限，但如果可能的话，我可以使用 ASCII。这是一个示例代码：

Sub TestGreekRegEx()
Dim str 
str = "αυτό είναι ένα ελληνικό κείμενο"
Set regEx = CreateObject("vbscript.regexp")
regEx.Pattern = "\b[\xe1-\xfe]+\b"
Set Matches = regEx.Execute(str)
For Each Match In Matches
    MsgBox Match
Next
End Sub

这根本不返回任何匹配项。此外，如果我在 str 的字符中循环，我得到的 ASCII 代码在 \xE1 到 \xFE 的范围内。

谢谢

Answer 1

尝试这个

\b[\u00E1-\u03CE]+\b

顺便说一句，确保处理 UNICODE 字符范围。

Answer 2

撇开希腊 char Unicode 字符范围不谈，您还有另一个问题：\b在 ECMAScript 5 标准中，只有 ASCII 匹配边界。

因此，无论希腊词模式对你有用，[\u00E1-\u03CE]+或者[\xE1-\xFE]+，如果你\b在两端添加 s，你将不会得到匹配。

因此，您需要做的是使用组（左侧）和前瞻（右侧）构建自定义边界。要提取单词，您需要访问.Submatches每个匹配项的属性。

我没有为非 Unicode 文件设置希腊语设置，所以让我想象一下你的单词模式是[\xE1-\xFE]+. 然后，您提取的正则表达式将如下所示

(?:^|[^_0-9\xE1-\xFE])([\xE1-\xFE]+)(?![_0-9\xE1-\xFE])

有了[\u00E1-\u03CE]+图案，它看起来像

(?:^|[^_0-9\u00E1-\u03CE])([\u00E1-\u03CE]+)(?![_0-9\u00E1-\u03CE])

请注意，我在左侧模仿\b单词边界（它匹配字符串的开头或任何 char BUT 、数字和字符范围内的字母）和右侧（没有数字，并且在单词匹配模式之后允许您的字符）。请注意，单词匹配模式用括号括起来以将其捕获到一个组中。“问题”是非捕获组（）匹配也落在结果中。这就是为什么我们需要访问：(?:^|[^_0-9\xE1-\xFE])_(?![_0-9\xE1-\xFE])_(?:^|[^_0-9\xE1-\xFE]).Submatches

Sub TestGreekRegEx()
Dim str 
str = "YOUR_NON_ASCII_STRING_HERE"
Set regEx = CreateObject("vbscript.regexp")
regEx.Pattern = "(?:^|[^_0-9\xE1-\xFE])([\xE1-\xFE]+)(?![_0-9\xE1-\xFE])"
Set Matches = regEx.Execute(str)
For Each Match In Matches
    MsgBox Match.Submatches(0)  ' <--- See here
Next
End Sub