parola Regex confine \ b ha problemi con dieresi (i caratteri speciali in tedesco)

Question

Eventuali duplicati:
Javascript RegExp + Word boundaries + unicode characters

In regex ECMA Script (testato qui per riferimento: http://regexpal.com/) ottengo falsi positivi con limiti di parola (utilizzando \b) e caratteri di umlaut. Per esempio

regex \bPflanzen\b

non deve corrispondere "Pflanzenöl", ma lo fa. Se cambio lo ö in un oe, tutto funziona. Il Regex sembra non considerare le dieresi come parte delle parole, sebbene siano in molte lingue.

Qual è la soluzione migliore?

Answer 1

I motori Regex hanno idee diverse su come funzionano le classi di caratteri stenografici. \b è strettamente legato a \w che è quasi inutile in quasi tutti i compiti di espressioni regolari, ma purtroppo si dimostra "abbastanza buono" per molti casi per giustificare la sua esistenza continua.

In questo caso, JavaScript considera solo ASCII [a-zA-Z0-9_] per \w e poiché \b corrisponde una posizione tra un personaggio di \w e qualcosa che non è si otterrà il comportamento osservato.

La soluzione più comune è di utilizzare Lookaround invece di \b:

(?<![a-zA-ZäöüßÄÖÜ])Pflanzen((?![a-zA-ZäöüßÄÖÜ])) 

Tuttavia, JavaScript anche non supporta lookbehind, quindi abbiamo bisogno di fare qualcosa di diverso:

(^|[^a-zA-ZäöüßÄÖÜ])Pflanzen(?![a-zA-ZäöüßÄÖÜ]) 

Quale sarebbe partita o l'inizio della stringa o un carattere non di quella classe. In ogni caso, è disordinato. È giunto il momento, JavaScript ottiene il corretto supporto per le espressioni regolari incluso Unicode e lookaround.