MongoDB RegEx 引擎完整性

【问题标题】：MongoDB RegEx engine completenessMongoDB RegEx 引擎完整性
【发布时间】：2013-01-11 07:00:57
【问题描述】：

根据 Mongo 文档，它使用 PCRE 引擎，并且 PCRE 支持 \b 和 \w 用于 unicode 字符，但遵循 RegEx 与 Unicode 字符串不匹配，是否有任何解决方案或替代语法？

// in Mongo console:
 db.col.find({word:/\b\pL\b/});

// in PHP
(new Mongo())->db->col->find(['word'=>new MongoRegex('/\b\pL\b/u')]);

【问题讨论】：

哪一个不匹配？ PHP的？两个都？它应该匹配的字符串是什么？
@Thilo 两者，例如考虑这个字符串：“ی ش a”，其中包含三个匹配项。
也许你可以告诉我们它在哪里说 MongoDB 支持 unicode，因为上面的页面：docs.mongodb.org/manual/reference/operator/regex/#_S_regex 没有提到这一点，而且 MongoDB 以 utf8 格式存储数据，所以除非它之后转换（它不会't) 那么它就行不通了。顺便说一下，PCRE 和 unicode PCRE 是两个不同的东西，PCRE 是 Perl 兼容的正则表达式，它仅表示正则表达式运算符在 MongoDB 中使用的表达式类型

【解决方案1】：

我找不到任何关于 MongoDB 的 PCRE 实现支持哪些特性的文档，但如果它包含 \pL Unicode 字符类以及前瞻和后瞻断言，那么可以使用 Unicode 感知替换 @ 987654322@ 将是：

(?:(?=\pL)(?<!\pL)|(?!\pL)(?<=\pL))

基本上，(?=\pL)(?<!\pL) 匹配如果下一个字符是字母而前一个不是，而(?!\pL)(?<=\pL) 相反匹配如果前一个字符是字母但下一个不是。

当然，如果我们已经知道相邻字符可以是什么，那么这个正则表达式可以大大简化。例如，\b\pL+\b 的 Unicode 感知版本可以简单地写成：

(?<!\pL)\pL+(?!\pL)

【讨论】：