如何在 Swift NSRegularExpression 中捕获单词边界？

Question

我想在一个以某个前缀开头的字符串中捕获所有单词。例如所有以t开头的单词

if let regex = try? NSRegularExpression(pattern: #"t[^ ]+"#, options: NSRegularExpression.Options.caseInsensitive) {
    let input = "this is the best test"
    let matches = regex.matches(in: input, options: [], range: NSRange(location: 0, length: input.count))
        
    for match in matches {
        print((input as NSString).substring(with: match.range))
    }
}

在上面的代码中，我使用了一个简单的空格作为分隔符 (#"t[^ ]+"#)，并且输出符合预期：

this
the
test

但是，不仅应考虑空格，还应考虑所有单词边界。所以我用\b 替换空格以匹配所有边界（#"t[^\b]+"#）。但是，这不起作用：

this is the 
t test

似乎这段代码不寻找单词边界，而简单地寻找b...这是为什么呢？

我认为在正则表达式之前和之后使用# 会创建一个原始字符串，从而将\ 正确传递给正则表达式系统。所以#"t[^\b]+"# 应该和"t[^\\b]+" 一样，并被翻译成t[^\b]+，不是吗？

或者是单词边界运算符\b 在 Swift 正则表达式中不可用？

编辑：

根据ICU Documentation \b 匹配单词边界，因此[^\b]（除单词边界外的任何内容）不应与[^b]（除ab外的任何内容）相同，应该吗？

不过，\b 好像不能成套使用，可以吗？但是\B应该做同样的事情（除了单词边界之外的任何东西）。

所以我尝试改用#"t\B+"#。但是，这根本找不到任何匹配项。

问题依旧：如何在 Swift NSRegularExpression 中匹配单词边界？

Answer 1

#"t[^\b]+"# 字符串文字会生成 t[^\b]+ 正则表达式，它仅匹配 t 和一个或多个除 b 字符之外的字符（[^\b] 等于 ICU 正则表达式中的 [^b]味道）。

要匹配t，然后是一个或多个单词字符（即直到下一个最左边的单词边界），您可以使用

pattern: #"t\w+"#

\w+ 将匹配一个或多个单词字符。

[...] 是一个字符集/类。字符类旨在匹配字符。 \b是一个字边界只在一个字符类之外，因为一个字边界不是一个字符，它是一个零宽度的断言，匹配某个在字符串中的位置。所有零宽度断言在字符类中都失去了它们特殊的“零宽度”含义。 [.$] 并不意味着 . 或字符串结尾，它匹配 . 或 $ 字符。 [.\z] 不匹配 . 或字符串的末尾，它匹配 . 或 z，因为 \ 被省略，因为 \z 不是有效的转义序列。

另外，t\B+ 没有什么意义，因为\B 也是一个零宽度断言，匹配字符串中不是单词边界的 位置位置。请注意，零宽度断言不消耗文本，即没有文本被添加到整个匹配内存缓冲区，并且正则表达式索引保持在尝试零宽度断言模式之前的位置。通过在\B 之后添加+，您只需告诉正则表达式引擎匹配t 之后的一个位置，这不是单词边界，因此正则表达式引擎匹配t\B+ 的方式与如果它是t\B，即它只匹配一个t，后跟一个字符（字母、数字、连接符）。

\w 匹配（并且 消耗）单词字符，因此如果您需要匹配（并真正得到结果）t 之后的任何字符直到第一个单词边界，您只需要使用这个\w 模式，t\w* 或t\w+（如果t 之后必须至少有一个单词字符）。