将 Javascript 正则表达式转换为 C# 正则表达式

Question

我有一个 Javascript 正则表达式，可以对句子中的单词进行标记，如下所示：

/\\[^]|\.+|\w+|[^\w\s]/g

如果像Hello World. 这样输入一个句子，上面的正则表达式将 将其标记为单词：

Hello、World、.

我正在尝试在 C# 中转换上述正则表达式，但它无法对其进行分组。我尝试分别从开头和结尾删除/ 和\g，以使其与.NET 正则表达式引擎兼容。但它仍然无法正常工作。

下面是我正在尝试的 C# 代码：

public static void Main()
{
        string pattern = @"\\[^]|\.+|\w+|[^\w\s]";
        string input = @"hello world.";

        foreach (Match m in Regex.Matches(input, pattern, RegexOptions.ECMAScript))
        {
            Console.WriteLine("'{0}' found at index {1}.", m.Value, m.Index);
        }
}

谁能帮我把上面的正则表达式转换成C#？

Answer 1

请注意，RegexOptions.ECMAScript 只是确保速记字符类（此处为 \w 和 \s）仅匹配 ASCII 字母、数字和空格。您不能指望此选项“转换”整个模式以在 .NET 正则表达式库中使用。

这里，[^] 在 JS 正则表达式中用于匹配任何字符。您可以将. 与RegexOptions.Singleline 选项一起使用（然后您将不得不删除RegexOptions.ECMAScript 选项）而不是[^]，或者只使用[\s\S] 来匹配任何字符：

public static void Main()
{
        string pattern = @"\\.|\.+|\w+|[^\w\s]";
        string input = @"hello world.";

        foreach (Match m in Regex.Matches(input, pattern,  RegexOptions.Singleline))
        {
            Console.WriteLine("'{0}' found at index {1}.", m.Value, m.Index);
        }
}

查看C# demo，它的输出：

'hello' found at index 0.
'world' found at index 6.
'.' found at index 11.

注意：\w 和 \s 在 .NET 正则表达式中可以识别 Unicode，也可以匹配带有一些变音符号的所有 Unicode 字母。如果您只想处理 ASCII，请使用

string pattern = @"\\.|\.+|[A-Za-z0-9_]+|[^A-Za-z0-9_\f\n\r\t\v\u00a0\u1680\u2000-\u200a\u2028\u2029\u202f\u205f\u3000\ufeff]";

更多详情

• Word Character: \w 在 .NET 正则表达式中
• White-Space Character: \s 在 .NET 正则表达式中