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,另一側爲非單詞字符、字符串的開始或結束位置。“/b”是零寬度的。
基本上所有的資料裏都會說“/b”是單詞邊界,但是關於“單詞”的範圍卻是少有提及。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爲單詞字符,另一側爲非單詞字符、字符串的開始或結束位置,也就相當於
(?<!/w)(?=/w)|(?<=/w)(?!/w)
思考:以下寫法爲什麼不等價於“/b”
(?<=/W)(?=/w)|(?<=/w)(?=/W)
2 /w的範圍
即然涉及到“/w”,那就要先考察一下它的範圍。
在支持ASCII碼的語言中,如JavaScript,“/w”等價於[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”卻是等價於[a-zA-Z0-9_]的。
先來看一下“/w”在幾種語言中匹配的例子
JavaScript
<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
*/
C#
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
String test = "abc_123中文_d3=efg漢字%";
String reg = "//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,都是隻支持ASCII字符。
3 /b的範圍
常見語言中“/w”的範圍確定了,那麼是不是可以認爲“/b”的匹配範圍與“/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
<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
*/
C#
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
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”顯然不在替換的範圍內,所以正則可以用“/bto/b”來限定。
用得比較多的場景是在HTML標籤的匹配中,用以區分相互包含的標籤,比如要過濾掉<b>、</b>、<p…>、<img…>等標籤,但要保留<br />標籤,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
稍複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。