regex - Golang 正则表达式边界与拉丁字符

Question

我有一个关于 golang 正则表达式的小问题。当我像这样放置后期字符时，似乎\b边界选项不起作用。

我预计é应该将其视为常规字符..但它被视为边界病房之一。

package main

import (
    "fmt"
    "regexp"
)

func main() {   
    r, _ := regexp.Compile(`\b(vis)\b`)
    fmt.Println(r.MatchString("re vis e"))
    fmt.Println(r.MatchString("revise"))
    fmt.Println(r.MatchString("révisé"))
}

结果是：

true 
false 
true

请给我任何建议如何处理r.MatchString("révisé")as false？

谢谢

Answer 1

问题在于，这\b仅适用于 ASCII 字符周围的边界，如文档中所述：

在 ASCII 字边界处（一侧为 \w，另一侧为 \W、\A 或 \z）

而且é不是ASCII。但是，您可以通过组合其他正则表达式快捷方式来进行自己的\b替换。这是一个解决问题中给出的情况的简单解决方案，但您可能希望添加更彻底的匹配：

package main

import (
    "fmt"
    "regexp"
)

func main() {   
    r, _ := regexp.Compile(`(?:\A|\s)(vis)(?:\s|\z)`)
    fmt.Println(r.MatchString("vis")) // added this case
    fmt.Println(r.MatchString("re vis e"))
    fmt.Println(r.MatchString("revise"))
    fmt.Println(r.MatchString("révisé"))
}

运行这个给出：

true
true
false
false

该解决方案所做的基本上是替换\b为(?:\A|\z|\s)，这意味着“具有以下之一的非捕获组：字符串开头、字符串结尾或空格”。您可能想在此处添加其他可能性，例如标点符号。