我有一个充满泰米尔语单词和搜索字符串的网格。我需要通过网格记录实现全词搜索。我正在为这种方法使用 .NET Regex 类。听起来很简单，我以前做的是：
string pattern = @"\b" + searchText + @"\b".
它在拉丁语中按预期工作，但对于泰米尔语，此表达式返回奇怪的结果。我已经阅读了正则表达式中的 Unicode 字符，但这对我来说似乎不太有帮助。我可能需要确定单词边界在哪里找到以及为什么。
例如：对于"\bஅம்மா\b"模式 Regex 在 அம்மாவிடம் 和 அம்மாக்கள் 记录中找到匹配项，但在原始 அம்மா 记录中没有找到匹配项。
“அம்மா”字的最后一个字符是0BBE TAMIL VOWEL SIGN AA，它是一个组合标记（在正则表达式中，它可以与匹配\p{M}）。
由于\b仅在字符串的开头/结尾与单词字符之间或单词与非单词字符之间匹配，因此在字符和非单词字符之后将不匹配。
在这种情况下使用通常的解决方法。
var pattern = $@"(?<!\w){searchText}(?!\w)";
请参阅此正则表达式演示。
在这里，(?<!\w)如果之前有一个单词 charsearchText则(?!\w)匹配失败，如果要查找的文本后面有一个单词 char 则匹配失败。Regex.Escape(searchText) 请注意，如果文本可以包含特殊的正则表达式字符，您也可以使用。
或者，如果您想在基本字母/变音符号内避免匹配，请使用
var pattern = $@"(?<![\p{{L}}\p{{M}}]){searchText}(?![\p{{L}}\p{{M}}])";
请参阅此正则表达式演示。
(?<![\p{L}\p{M}])和环顾四周的(?![\p{L}\p{M}])工作方式与上述类似，只是如果搜索短语的两侧有字母或组合标记，它们就会失败。