如何处理 Go 正则表达式边界中的非 ASCII 字符？

Golang 正则表达式边界和非 ASCII 字符

Go 的正则表达式边界（b）旨在匹配 ASCII 字符和非 ASCII 字符之间的边界非 ASCII 字符。但是，在某些情况下，当涉及拉丁字符时，它可能不会按预期运行。

问题

在 Go 中，b 边界仅在包围 ASCII 时才起作用人物。例如，正则表达式 b(vis)b 旨在匹配单词“vis”。然而，当单词“vis”包含拉丁字符时，例如“révisé”，b 无法将其识别为单词边界。

考虑以下 Go 代码：

<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>

运行此代码产生：

true
true
true

注意最后一行错误地匹配“révisé”。

解决方案

处理非以下情况ASCII 字符，您可以定义自己的自定义边界图案。一种方法是将 b 替换为以下正则表达式：

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

此模式意味着：

• (?:A|s)：匹配字符串的开头或空格字符。
• (vis)：捕获单词“vis”。
• (?:s|z)：匹配空白字符或字符串末尾。

此自定义边界有效地实现了 b 对 ASCII 字符所做的操作，但它也扩展到了非 ASCII 字符，例如拉丁字符。

通过将此自定义模式合并到正则表达式中，您可以获得所需的结果：

<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>

运行此代码现在会给出：

true
true
false
false

如您所见，“révisé”被正确排除为匹配项。

以上是如何处理 Go 正则表达式边界中的非 ASCII 字符？的详细内容。更多信息请关注PHP中文网其他相关文章！