\b Go 正则表达式中拉丁字符的边界

在 Go 正则表达式的世界中， \b 边界选项有一个轻微的怪癖处理拉丁字符时。当尝试定义包含拉丁字符（例如重音元音和特殊字符）的单词时，就会出现此问题。

考虑以下示例，我们希望使用 \b 边界选项来匹配单词“vis”：

import (
    "fmt"
    "regexp"
)

func main() {
    r, _ := regexp.Compile(`\b(vis)\b`)
    fmt.Println(r.MatchString("re vis e"))
    fmt.Println(r.MatchString("revise"))
    fmt.Println(r.MatchString("révisé"))
}

令人惊讶的是，将“révisé”匹配为 false 的预期结果并未出现。相反，它匹配为 true。这是因为 \b 仅在 ASCII 单词边界上运行。

要解决此问题并准确匹配拉丁字符，我们可以用更具包容性的替代方案替换 \b 边界。这是一个示例：

import (
    "fmt"
    "regexp"
)

func main() {
    r, _ := regexp.Compile(`(?:\A|\s)(vis)(?:\s|\z)`)
    fmt.Println(r.MatchString("vis"))
    fmt.Println(r.MatchString("re vis e"))
    fmt.Println(r.MatchString("revise"))
    fmt.Println(r.MatchString("révisé"))
}

通过此修改，正则表达式现在使用字符串开头 (\A)、字符串结尾 (\z) 和空格 (\s) 的组合来识别单词的开头和结尾。结果准确地将“vis”匹配为 true，将“révisé”匹配为 false：

true
true
false
false

无论是否存在拉丁字符，此技术都可确保准确的单词匹配。