正则基础之 \b 单词边界（http://www.站长网.net/article/1933
发布时间：2020-12-14 04:36:01 所属栏目：百科 来源：网络整理
导读：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
|
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) 2w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
复制代码代码如下:
<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# 复制代码代码如下: 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 复制代码代码如下: 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. 复制代码代码如下: <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 复制代码代码如下: foreach (Match m in mc)
{ richTextBox2.Text += m.Value + "n"; } //C#中输出 3= 字% 复制代码代码如下: 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“btob”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 = "137,1,33,4,3,6,21,35,93,2,98"; int count = Regex.Matches(test,@"b3b").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-zb] 此处的“b”表示的是退格键，而不是单词边界。 （编辑：李大同） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |