1

想要匹配以like结尾的单词#

你好你好# 世界#

我尝试使用边界

\b\w+#\b

它不匹配。我认为\b是一个非单词边界，但从这种情况下似乎不是这样

出奇

\b\w+#\B

火柴！

那么为什么在\B这里有效而不是\b！为什么\b在这种情况下不起作用！

注意： 是的，我们可以使用\b\w+#(?=\s|$)，但我想知道为什么\B在这种情况下有效！

4

3 回答 3

6

词界的定义\b

在单词中定义单词边界是不精确的。让我用look-ahead、look-behind和short-hand word character class来定义单词边界\w。

单词边界\b等价于：

(?:(?<!\w)(?=\w)|(?<=\w)(?!\w))

意思是：

  • 就在前面，（至少）有一个字符是单词字符，而在后面，我们找不到单词字符（该字符不是单词字符，或者它是字符串的开头）。

    或者

  • 就在后面，（至少）有一个字符是单词字符，而在前面，我们找不到单词字符（该字符不是单词字符，或者是字符串的结尾）。

（注意这与 XOR 扩展为合取和析取有多么相似）

非单词边界\B等价于：

(?:(?<!\w)(?!\w)|(?<=\w)(?=\w))

意思是：

  • 在前面和后面，我们找不到任何单词字符。请注意，在此定义下，空字符串被视为非单词边界。

    或者

  • 正前方和正后方，两边都是字字。请注意，此分支需要 2 个字符，即不能出现在非空字符串的开头或结尾。

（注意这与将 XNOR 扩展为合取和析取有多么相似）。

字字的定义\w

由于\band的定义\B取决于\w1的定义，因此您需要查阅特定文档以确切了解\w匹配的内容。

1大多数正则表达式风格\b基于\w. 好吧，除了 Java [Point 9]之外，在默认模式下，\w它只支持 ASCII，并且\b部分支持 Unicode。

  • 在JavaScript中，它将[A-Za-z0-9_]处于默认模式。

  • 在.NET中，\w默认情况下会 match ，如果指定了ECMAScript 选项[\p{Ll}\p{Lu}\p{Lt}\p{Lo}\P{Lm}\p{Nd}\p{Pc}]，它将具有与 JavaScript 相同的行为。在Pc 类别的字符列表中，您只需知道不包括空格（ASCII 32）。

回答问题

有了上面的定义，回答这个问题就变得容易了：

"hi hello# world#"

中hello#，后面#是空格（U+0020，Zs类），不是单词字符，#本身也不是单词字符（Unicode中是Po类）。因此，\B可以在这里匹配。(?<!\w)(?!\w)在这种情况下使用分支。

在world#，之后#是字符串的结尾。由于#不是单词字符，而且我们在前面找不到任何单词字符（那里什么都没有），\B所以可以匹配 . 之后的空字符串#。(?<!\w)(?!\w)在这种情况下也使用分支。

附录

Alan Moore 在评论中给出了很好的总结：

我认为要记住的关键点是正则表达式无法读取。也就是说，它们不处理文字，只处理字符。当我们说\b匹配一个单词的开头或结尾时，我们并不是说它会识别一个单词，然后像人类那样寻找它的端点。它只能看到当前位置之前的字符和当前位置之后的字符。因此，\b仅表示当前位置可能是单词边界。由你来确定两边的角色应该是什么。

于 2013-05-18T12:59:52.987 回答
5

磅#符号不被视为“单词边界”。

\b\w+#\b不起作用，因为w+#不被视为一个单词，因此它不会匹配world#.
\b\w+6\b另一方面是，因此它会匹配world6。

“字字符”定义为：[A-Za-z0-9_].

简单地说：\b允许您使用\bword\b. “单词字符”是可用于构成单词的字符。所有不是“单词字符”的字符都是“非单词字符”。

— http://www.regular-expressions.info/wordboundaries.html

于 2013-05-18T10:43:32.660 回答
1

和#空格都是非单词字符，所以它们之间的隐形边界不是单词边界。因此\b将不匹配它\B并将匹配它。

于 2013-05-18T10:47:38.497 回答