Question

我目前正在编写一个用于匹配内容中特定单词的库。

基本上它的工作方式是将单词编译成正则表达式，并通过所述正则表达式运行内容。

我要添加的功能是指定要匹配的给定单词是否必须开始和/或结束单词。例如，我有cat这个词。我指定必须开始一个单词，因此catering将匹配，因为cat位于开头，但是ducat 不匹配，因为cat没有开始这个词。

我想使用word boundaries执行此操作，但在某些测试中，我发现它无法正常工作。

采取以下措施，

preg_match("/(^|\b)@nimal/i", "something@nimal", $match);
preg_match("/(^|\b)@nimal/i", "something!@nimal", $match);

在上述陈述中，我希望得到以下结果，

> false
> 1 (@nimal)

但结果恰恰相反，

> 1 (@nimal)
> false

首先，我希望它会失败，因为小组将吃掉@，让nimal与@nimal匹配，显然它不会。相反，该组匹配一个空字符串，因此@nimal匹配，这意味着@被视为该字词的一部分。

在第二种情况下，我希望小组吃!离开@nimal以匹配其余的（它应该）。相反，它似乎将!和@组合在一起形成一个单词，这由以下匹配确认，

preg_match("/g\b!@\bn/i", "something!@nimal", $match);

为什么正则表达式会这样做？

我只是爱一个页面，清楚地记录了如何确定单词边界，我找不到我的生活。

Answer 1

单词边界\b匹配从\w（单词字符）到\W非单词字符的变化。如果您的\b字符@之前有\W，您希望匹配。因此，为了匹配，您需要在@

之前使用单词字符

something@nimal
        ^^

==＆GT;由于g和@之间的单词边界而匹配。

something!@nimal
         ^^

==＆GT;不匹配，因为在!和@之间没有字边界，两个字符都是\W

Answer 2

我遇到类似匹配时遇到的一个问题是像can't和it's这样的词，其中撇号被视为单词/非单词边界（因为它与{{1}相匹配而不是\W）。如果这对您来说可能是一个问题，您应该排除撇号（以及有时出现的所有变体，如'和'），例如通过创建一个类，例如\w。

你可能也会遇到UTF8字符的问题，这些字符确实是单词的一部分（即我们人类用单词表示的意思），例如测试你的正则表达式如何对[\b^']这样的单词进行编码。

因此，在解析普通语言时，通常会更容易。要查找的文字＆＃34;语言＆＃34;边界，例如空格字符（不仅仅是字面上的空格，而是完整的类，包括换行符和制表符），逗号，冒号，句号等（如果要解析HTML，则使用斜括号）。 YMMV。

Answer 3

@不是单词字符的一部分（在您的语言环境中可能是这样，但默认 “单词”字符是任何字母或数字或下划线字符，Source - 因此@不是word字符，因此不是\w而是\W 链接任何\w\W或\W\w组合标记\b 位置），因此它始终是匹配的字边界（在OP的正则表达式中）。

以下内容与您的正则表达式类似，区别在于使用@代替a而不是$r = preg_match("/\b(animal)/i", "somethinganimal", $match); var_dump($r, $match); $r = preg_match("/\b(animal)/i", "something!animal", $match); var_dump($r, $match);。行的开头也是一个单词边界，所以也不需要指定它：

int(0)
array(0) {
}
int(1)
array(2) {
  [0]=>
  string(6) "animal"
  [1]=>
  string(6) "animal"
}

输出：

{{1}}

正则表达式单词边界在PHP中的工作原理是什么？

3 个答案: