Golang正则表达式边界与拉丁字符

Question

我有一个关于 golang 正则表达式的棘手问题。\b当我像这样放置延迟字符时，边界选项似乎不起作用。

我希望它é应该被视为常规字符......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")作为false？

谢谢

Answer 1

问题是这\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）并且é不是 ASCII。但是，您可以\b通过组合其他正则表达式快捷方式来进行自己的替换。这是一个简单的解决方案，可以解决问题中给出的情况，但您可能希望添加更彻底的匹配：package mainimport (    "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：truetruefalsefalse此解决方案所做的基本上是替换\b为(?:\A|\z|\s)，这意味着“具有以下其中一项的非捕获组：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。