正则基础之——/b 单词边界

1
      

 

概述

“
/b


”匹配单词边界，不匹配任何字符。

“
/b


”匹配的只是一个位置，这个位置的一侧是构成单词的字符，另一侧为非单词字符、字符串的开始或结束位置。“
/b


”是零宽度的。

基本上所有的资料里都会说“
/b


”是单词边界，但是关于
“

单词
”

的范围却是少有提及。通常情况下，正则表达式中所谓的
“

单词
”

，就是由“
/w


”所定义的字符所组成的子串。

“
/b


”表示所在位置的一侧为单词字符，另一侧为非单词字符、字符串的开始或结束位置，也就相当于

(?<!/w)(?=/w)|(?<=/w)(?!/w)



思考：

以下写法为什么不等价于“
/b


”

(?<=/W)(?=/w)|(?<=/w)(?=/W)

2
      

/w

的范围

即然涉及到“
/w


”，那就要先考察一下它的范围。

在支持
ASCII

码的语言中，如
JavaScript

，“
/w


”等价于
[a-zA-Z0-9_]

；

在支持
Unicode

的语言中，如
.NET

，默认情况下，“
/w


”除可以匹配
[a-zA-Z0-9_]

外，还可以匹配一些
Unicode

字符集，如汉字，全角数字等等。

几乎所有常见的语言都遵循这样一个规律，只有
Java

是个例外。在
Java

中，“
/w


”的表现是比较奇怪的，
Java

是支持
Unicode

的，但
Java

的正则中的“
/w


”却是等价于
[a-zA-Z0-9_]

的。

先来看一下“
/w


”在几种语言中匹配的例子

JavaScript

<
script
language
="javascript">

   
var str = "abc_123
中文_d3=efg
汉字%";

   
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
中输出
--------

abc_123

_d3

Efg

*/

C#

string
test = "abc_123

中文_d3=efg
汉字%"

;

MatchCollection
mc = Regex
.Matches(test, @"/w+"
);

foreach
(Match
m in
mc)

{

    
richTextBox2.Text += m.Value + "/n"
;

}

/*--------
C#
中输出
--------

abc_123
中文_d3

efg
汉字

*/

Java

String
test = "abc_123

中文_d3=efg
汉字%"

;

String
reg = "//w+"
;

Matcher m = Pattern.compile(reg).matcher(test);

while
(m.find())

{

   
System.out
.println(m.group());

}

/*--------
Java
中输出
--------

abc_123

_d3

Efg

*/

可以看到，“
/w


”在
Java

中的输出和
JavaScript

中是一样的，都是只支持
ASCII

字符。

3
      

/b

的范围

常见语言中“
/w


”的范围确定了，那么是不是可以认为“
/b


”的匹配范围与“
/w


”也是一致的呢？

再看下下面的例子：

源字符串：
abc_123


中文
_d3=


汉字
efg



正则表达式：
./b.



JavaScript

<
script
language
="javascript">

   
var str = "abc_123
中文_d3=efg
汉字%";

   
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
中输出
--------

3
中

文_

3=

g
汉

*/

C#

string
test = "abc_123

中文_d3=efg
汉字%"

;

MatchCollection
mc = Regex
.Matches(test, @"./b."
);

foreach
(Match
m in
mc)

{

    
richTextBox2.Text += m.Value + "/n"
;

}

/*--------
C#
中输出
--------

3=

字%

*/

Java

String
test = "abc_123

中文_d3=efg
汉字%"

;

String
reg = ".//b."
;

Matcher m = Pattern.compile(reg).matcher(test);

while
(m.find())

{

   
System.out
.println(m.group());

}

/*--------
Java
中输出
--------

3=

字%

*/

可以看到，
Java

的输出和
.NET

是一致的，“
/b


”在
Java

中是支持
Unicode

的。

所以总的来说，
Java

中的“
/w


”是很奇怪的，而“
/b


”是与其它语言表现一致的，在使用时需要注意。

4
      

/b

应用场景

4.1
    

基础应用

“
/b


”一般应用在需要匹配某一单词字符组成的子串，但这一字符不能包含在同样由单词字符组成的更长的子串中。

比如要替换掉一段英文中的单词“
to

”，而“
today

”显然不在替换的范围内，所以正则可以用“
/bto/b


”来限定。

用得比较多的场景是在
HTML

标签的匹配中，用以区分相互包含的标签，比如要过滤掉
<b>

、
</b>

、
<p…>

、
<img…>

等标签，但要保留
<br />

标签，正则可以写成“
<(/?b|p|img)/b[^>]*>


”。

举例：统计以“
,

”分割的元素中“
3

”的个数

string
test = "137,1,33,4,3,6,21,3,35,93,2,98"
;

int
count = Regex
.Matches(test, @"/b3/b"
).Count; //

结果：2

4.2
    

进阶应用

稍复杂一些的应用通常都是与其它一些正则语法规则一起使用的，参考一个帖子 求一正则表达式

4.3
    

特殊情况

“
/b


”用在正则中，通常情况下都是表示单词边界的，只有在字符组中，它表示的是退格键，即

[a-z/b]



此处的“
/b


”表示的是退格键，而不是单词边界。