英文:
Golang regexp Boundary with Latin Character
问题
我有一个关于 Golang 正则表达式的小问题。
似乎 \b 边界选项不起作用
当我输入类似这样的拉丁字符时。
我期望 é 应该被视为普通字符..
但它被视为边界词之一。
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，如何将 r.MatchString("révisé") 处理为 false？
谢谢
英文:
I have a small tricky issue about golang regex.
seems \b boundering option doesn't work
when I put latein chars like this.
I expected that é should be treated as a regular char..
but it's treated as one of boundering wards.
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"))
}
result was:
true
false
true
Please give me any suggestion how to deal with r.MatchString("révisé") as false ?
Thank you
答案1
得分: 6
问题在于\b只适用于ASCII字符周围的边界，正如文档中所述：
> 在ASCII单词边界上（\w在一侧，\W、\A或\z在另一侧）
而é不是ASCII字符。但是，你可以通过组合其他正则表达式快捷方式来创建自己的\b替代方案。这里有一个简单的解决方案，可以解决问题中提到的情况，但你可能希望添加更全面的匹配：
package main
import (
"fmt"
"regexp"
)
func main() {
r, _ := regexp.Compile(`(?:\A|\s)(vis)(?:\s|\z)`)
fmt.Println(r.MatchString("vis")) // 添加了这个案例
fmt.Println(r.MatchString("re vis e"))
fmt.Println(r.MatchString("revise"))
fmt.Println(r.MatchString("révisé"))
}
运行此代码得到的结果是：
true
true
false
false
这个解决方案的作用是将\b替换为(?:\A|\z|\s)，意思是“一个非捕获组，其中包含以下之一：字符串的开头、字符串的结尾或空白字符”。你可能希望在这里添加其他可能性，比如标点符号。
英文:
The issue is that \b is only for boundaries around ASCII characters, as stated in the docs:
> at ASCII word boundary (\w on one side and \W, \A, or \z on the other)
And é is not ASCII. But, you can make your own \b replacement by combining other regex shortcuts. Here is a simple solution that solves the case given in the question, though you may want to add more thorough matching:
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"))
}
Running this gives:
true
true
false
false
What this solution does is essentially replace \b with (?:\A|\z|\s), which means "a non-capturing group with one of the following: start of string, end of string or whitespace". You may want to add other possibilities here, like punctuation.
通过集体智慧和协作来改善编程学习和解决问题的方式。致力于成为全球开发者共同参与的知识库，让每个人都能够通过互相帮助和分享经验来进步。
评论