正則基礎之 /b 單詞邊界

2020-01-20 22:21:57

字體：大中小

來源：轉載

供稿：網友

1概述
“/b”匹配單詞邊界，不匹配任何字符。
“/b”匹配的只是一個位置，這個位置的一側是構成單詞的字符，另一側為非單詞字符、字符串的開始或結束位置。“/b”是零寬度的。
基本上所有的資料里都會說“/b”是單詞邊界，但是關于“單詞”的范圍卻是少有提及。通常情況下，正則表達式中所謂的“單詞”，就是由“/w”所定義的字符所組成的子串。
“/b”表示所在位置的一側為單詞字符，另一側為非單詞字符、字符串的開始或結束位置，也就相當于
(?<!/w)(?=/w)|(?<=/w)(?!/w)
思考：以下寫法為什么不等價于“/b”
(?<=/W)(?=/w)|(?<=/w)(?=/W)
2/w的范圍
即然涉及到“/w”，那就要先考察一下它的范圍。
在支持ASCII碼的語言中，如JavaScript，“/w”等價于[a-zA-Z0-9_] ；
在支持Unicode的語言中，如.NET，默認情況下，“/w”除可以匹配[a-zA-Z0-9_]外，還可以匹配一些Unicode字符集，如漢字，全角數字等等。
幾乎所有常見的語言都遵循這樣一個規律，只有Java是個例外。在Java中，“/w”的表現是比較奇怪的，Java是支持Unicode的，但Java的正則中的“/w”卻是等價于[a-zA-Z0-9_]的。
先來看一下“/w”在幾種語言中匹配的例子
JavaScript

復制代碼代碼如下:

 
<script language="javascript"> 
var str = "abc_123中文_d3=efg漢字%"; 
var reg = //w+/g; 
var arr = str.match(reg); 
if(arr != null) 
{ 
for(var i=0;i<arr.length;i++) 
{ 
document.write(arr[i] + "<br />"); 
} 
} 
</script> 
//JavaScript中輸出 
abc_123 
_d3 
efg 

復制代碼代碼如下:

 
string test = "abc_123中文_d3=efg漢字%"; 
MatchCollection mc = Regex.Matches(test, @"/w+"); 
foreach (Match m in mc) 
{ 
richTextBox2.Text += m.Value + "/n"; 
} 
//C#中輸出 
abc_123中文_d3 
efg漢字 

Java

復制代碼代碼如下:

 
String test = "abc_123中文_d3=efg漢字%"; 
String reg = "http://w+"; 
Matcher m = Pattern.compile(reg).matcher(test); 
while(m.find()) 
{ 
System.out.println(m.group()); 
} 
//Java中輸出 
abc_123 
_d3 
efg 

可以看到，“/w”在Java中的輸出和JavaScript中是一樣的，都是只支持ASCII字符。
3 /b的范圍
常見語言中“/w”的范圍確定了，那么是不是可以認為“/b”的匹配范圍與“/w”也是一致的呢？
再看下下面的例子：
源字符串：abc_123中文_d3=漢字efg
正則表達式：./b.
JavaScript

復制代碼代碼如下:

 
<script language="javascript"> 
var str = "abc_123中文_d3=efg漢字%"; 
var reg = /./b./g; 
var arr = str.match(reg); 
if(arr != null) 
{ 
for(var i=0;i<arr.length;i++) 
{ 
document.write(arr[i] + "<br />"); 
} 
} 
</script> 
//JavaScript中輸出 
3中 
文_ 
3= 
g漢 

復制代碼代碼如下:

 
string test = "abc_123中文_d3=efg漢字%"; 
MatchCollection mc = Regex.Matches(test, @"./b."); 
foreach (Match m in mc) 
{ 
richTextBox2.Text += m.Value + "/n"; 
} 
//C#中輸出 
3= 
字% 

Java

復制代碼代碼如下:

 
String test = "abc_123中文_d3=efg漢字%"; 
String reg = ".//b."; 
Matcher m = Pattern.compile(reg).matcher(test); 
while(m.find()) 
{ 
System.out.println(m.group()); 
} 
//Java中輸出 
3= 
字% 

可以看到，Java的輸出和.NET是一致的，“/b”在Java中是支持Unicode的。
所以總的來說，Java中的“/w”是很奇怪的，而“/b”是與其它語言表現一致的，在使用時需要注意。
4 /b應用場景
4.1 基礎應用
“/b”一般應用在需要匹配某一單詞字符組成的子串，但這一字符不能包含在同樣由單詞字符組成的更長的子串中。
比如要替換掉一段英文中的單詞“to”，而“today”顯然不在替換的范圍內，所以正則可以用“/bto/b”來限定。
用得比較多的場景是在HTML標簽的匹配中，用以區分相互包含的標簽，比如要過濾掉<b>、</b>、<p…>、<img…>等標簽，但要保留<br />標簽，正則可以寫成“<(/?b|p|img)/b[^>]*>”。
舉例：統計以“,”分割的元素中“3”的個數
string test = "137,1,33,4,3,6,21,3,35,93,2,98";
int count = Regex.Matches(test, @"/b3/b").Count; //結果：2
4.2 進階應用
稍復雜一些的應用通常都是與其它一些正則語法規則一起使用的，參考一個帖子
求一正則表達式
4.3 特殊情況
“/b”用在正則中，通常情況下都是表示單詞邊界的，只有在字符組中，它表示的是退格鍵，即
[a-z/b]
此處的“/b”表示的是退格鍵，而不是單詞邊界。

上一篇：正則基礎之環視 Lookaround

下一篇：正則表達式學習參考推薦入門者看