非ASCII情况下的正则表达式字边界

Question

我的PHP脚本中有一个正则表达式，如下所示：

/(\b$term|$term\b)(?!([^<]+)?>)/iu

这与$ term中包含的单词匹配，只要前面或后面有单词边界，并且它不在HTML标记内。

但是，这在非ASCII情况下不起作用，例如俄语文本。有没有办法让它发挥作用？

我可以用

获得几乎同样好的结果

/(\s$term|$term\s)(?!([^<]+)?>)/iu

但这显然更有限，因为这个正则表达式是关于突出显示搜索词，所以它存在将空间包含在突出显示中的问题。

我已阅读this StackOverflow question about the problem，但它无效 - 无法正常工作。在该示例中，捕获是相反的方式（当我需要捕获搜索词时，捕获搜索词之外的文本）。

任何使这项工作的方法？谢谢！

Answer 1

您可以使用zero-width lookahead/lookbehind assertions断言您所匹配的字母左右两边的字符是非字母吗？

Answer 2

根据UTS＃18的要求，\b肯定被定义为在Unicode上运行得非常好。你在说什么不干嘛？涉及的确切文本字符串是什么？