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

(?

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

/*-------- 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

 /*-------- 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、、、等标签，但要保留
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。

到此这篇关于正则基础之 \b 单词边界的文章就介绍到这了,更多相关正则 单词边界内容请搜索0133技术站以前的文章或继续浏览下面的相关文章希望大家以后多多支持0133技术站！