如何處理 Go 正規表示式邊界中的非 ASCII 字元？

Golang 正規表示式邊界和非ASCII 字元

Go 的正規表示式邊界（b）旨在匹配ASCII 字元和非ASCII字元之間的邊界非ASCII 字元。但是，在某些情況下，當涉及拉丁字符時，它可能不會按預期運行。

問題

在 Go 中，b 邊界僅在包圍 ASCII 時才起作用人物。例如，正規表示式 b(vis)b 旨在匹配單字「vis」。然而，當單字“vis”包含拉丁字元時，例如“révisé”，b 無法將其識別為單字邊界。

考慮以下 Go 程式碼：

<code class="go">package main

import (
    "fmt"
    "regexp"
)

func main() {
    r, _ := regexp.Compile(`\b(vis)\b`)
    fmt.Println(r.MatchString("re vis e")) // Expected true
    fmt.Println(r.MatchString("revise"))  // Expected true
    fmt.Println(r.MatchString("révisé")) // Expected false
}</code>

執行此程式碼產生：

true
true
true

注意最後一行錯誤地符合「révisé」。

解決方案

處理非以下情況ASCII 字符，您可以定義自己的自訂邊界圖案。一種方法是將b 替換為以下正規表示式：

(?:\A|\s)(vis)(?:\s|\z)

此模式表示：

• (?:A|s)：符合字串的開頭或空格字元。
• (vis)：捕獲單字「vis」。
• (?:s|z)：符合空白字元或字串結尾。

此自訂邊界有效地實現了 b 對 ASCII 字符所做的操作，但它也擴展到了非 ASCII 字符，例如拉丁字符。

透過將此自訂模式合併到正規表示式中，您可以獲得所需的結果：

<code class="go">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"))
}</code>

執行此程式碼現在會給出：

true
true
false
false

如您所見，「révisé」被正確排除為配對。

以上是如何處理 Go 正規表示式邊界中的非 ASCII 字元？的詳細內容。更多資訊請關注PHP中文網其他相關文章！