Delphi RegEX 库和 unicode 字符答案

【问题标题】：Delphi RegEX library and unicode charactersDelphi RegEX 库和 unicode 字符
【发布时间】：2013-01-08 05:33:34
【问题描述】：

如果使用\b 作为单词边界，它似乎只能理解 ASCII 字母例如模式

\bM\b 将匹配 aaaa M bbbbbb

但如果我有

aaaaa Mädchen

它也会，因为它认为ä 是词尾。

这个正则表达式库是否也设置了任何标志来接受 Unicode 字符串？这个库似乎不太可能如此原始，但它不在选项中

TRegExOption = (roNone, roIgnoreCase, roMultiLine, roExplicitCapture,
roCompiled, roSingleLine, roIgnorePatternSpace);

【问题讨论】：

【解决方案1】：

根据regular-expressions.info，Delphi regex lib 是基于PCRE 的，而PCRE 中预定义的字符类\w 仅基于ASCII，因此\b 也仅基于ASCII。

【讨论】：

感谢您的回答，这确实很可悲，Delphi 以 unicode 功能、国际化等为荣，而且他们有一个仅适用于美国的正则表达式引擎，PATHETIC
PCRE 有一个选项 PCRE_UCP，它启用了对 \B、\b、\D、\d、\S、\s、\W、\w 的 Unicode 支持 quality.embarcadero.com/browse/RSP-22372

【解决方案2】：

您可以使用环视来创建自己的单词边界，以适应您对“单词”的首选定义。例如。如果您想将“M”匹配为一个单词并将所有 Unicode 字母、数字和标记视为单词字符，请使用：

(?<![\pL\pN\pM])M(?![\pL\pN\pM])

【讨论】：