Scala 正则表达式：匹配长的 unicode 梵文模式失败答案

【问题标题】：Scala regular expression : matching a long unicode Devanagari pattern failsScala 正则表达式：匹配长的 unicode 梵文模式失败
【发布时间】：2015-03-28 13:54:57
【问题描述】：

考虑以下脚本代码：导入 scala.util.matching.Regex

val VIRAMA = "्"
val consonantNonVowelPattern = s"(म|त|य)([^$VIRAMA])".r
// val consonantNonVowelPattern = s"(थ|ठ|छ|स|ब|घ|ण|ट|ज|ग|न|ष|भ|ळ|ढ|ख|श|प|ह|ध|ङ|म|झ|ड|ल|व|र|फ|क|द|च|ञ|त|य)([^$VIRAMA])".r
var output = "असय रामः "
output = consonantNonVowelPattern.replaceAllIn(output, _ match {
  case consonantNonVowelPattern(consonant, followingCharacter) =>
    consonant + VIRAMA + "a" + followingCharacter
})
println("After virAma addition: " + output.mkString("-"))

它产生以下正确的输出： After virAma addition: अ-स-य-्-a- -र-ा-म-्-a-ः-

但是，如果我使用较长的模式（上面已注释掉），则会得到以下错误输出： After virAma addition: अ-स-्-a-य- -र-्-a-ा-म-्-a-ः-

这是一个错误吗？我做错了吗？

【问题讨论】：

您是否尝试过(?=[^$VIRAMA]) 而不是([^$VIRAMA]) 或类似的东西？正则表达式使用followingCharacter 标识的组，前瞻组不使用。我不确定这是否能解决它……这只是一个猜测……
这个问题，即“全部”意味着“全部不重叠”，导致此文档为findAllIn 而不是replaceAllIn。该建议与其他评论中的一样。 scala-lang.org/files/archive/nightly/2.11.x/api/2.11.x/…

标签： regex scala unicode

【解决方案1】：

以下感谢Lalit Pant-

我假设第二种情况的正确输出是： अ-स-्-a-य-्-a- -र-्-a-ा-म-्-a-ः-

如果是这样，请继续阅读。如果没有，请告诉我预期的输出。

问题似乎是，对于较大的“consonantNonVowelPattern”，“输出”中“सय”的存在使得“य”在“स”辅音之后的模式匹配中显示为“跟随字符”。因此，'य' 从未被报告为辅音。

【讨论】：