#Linux杂记#关于正则表达式单词边界的匹配问题的剖析

在使用正则表达式的时候，会遇到需要精准匹配某些字符的情况，这时候 \b \B 就派上用场了。若是不理解这两个正则表达式元字符，用起来便不会得心应手。本文介绍如何使用它们。

1. \b 和 \B 的含义

这两个元字符的含义看起来非常官方，但却又非常准确。理解之后就会发现它们概括的言简意赅，一点废话都没有，但却需要细细品味。

要想理解这两个元字符，需要明确两个概念：

单词：说到单词，又涉及到一个元字符\w，如上表所述，\w表示一个字母数字或下划线。而单词，正是由若干\w组成的，也就是任意字母数字的组合。
边界：在正则表达式里面，边界不是特定的字符，而是一个不存在的东西，一个概念。可以说是\b \B代表的东西，边界是任何两个字符之间的那个东西。
明确这两个概念之后，下面就可以说明 \b \B 代表的含义了。

\b 单词边界：    匹配一个边界，一边字符是\w，一边字符不是\w
\B 非单词边界：匹配除 \b 之外的边界。两边字符都是\w，或两边字符都不是\w

这里先下一个定义，用正则表达式的语言表达：

字符是\w：\w
字符不是\w：[^\w]
如下图所示，图中所有虚竖线都是边界。

上图中，每个边界都满足：一边是\w，一边是[^\w]。即：

左边是\w，右边是[^\w]
左边是[^\w]，右边是\w

\B 就是除 \b 之外的所有边界。\b表示一边是\w，一边是[^\w]的边界，那么取反，即：

两边都是\w
两边都是[^\w]

简言之： 

边界类型    左侧字符    右侧字符
\b    \w    [^\w]
\b    [^\w]    \w
\B    \w    \w
\B    [^\w]    [^\w]
用字符是 \w 代表 1，字符是[^\w]代表 0，那么用计算机的逻辑思维理解就是：

边界类型    左侧字符    右侧字符
\b    1    0
\b    0    1
\B    1    1
\B    0    0
两个二进制数的表示也就这四种情况。因此，可得到如下结论：

\b 代表的边界，左右字符类型不相同
\B 代表的边界，左右字符类型相同
注意：这里指的字符类型只包括两种（是\w 、不是\w）。其它都可以忘掉，只要记住这两个结论就可以了。

看到这，应该能从上面的图表中理解什么是单词边界\b，什么是非单词边界\B了。

2. 用法示例

这里根据第1节得出的结论：

\b 代表的边界，左右字符类型不相同
\B 代表的边界，左右字符类型相同
结合几个示例进行分析。

2.1 简单示例

2.1.1 示例1

对于模式\bat\b中的第一个\b，由于其右侧是\w，那么其左侧必须是[^\w]；
对于模式\bat\b中的第二个\b，由于其左侧是\w，那么其右侧必须是[^\w]；
因此匹配结果如图所示。

2.1.2 示例2

对于模式\Bat\b中的\B，由于其右侧是\w，那么其左侧也必须是\w；
对于模式\Bat\b中的\b，由于其左侧是\w，那么其右侧必须是[^\w]；
因此匹配结果如图所示。

2.1.3 示例3

对于模式\Bat\B中的第一个\B，由于其右侧是\w，那么其左侧也必须是\w；
对于模式\Bat\B中的第二个\B，由于其左侧是\w，那么其右侧也必须是\w；
因此匹配结果如图所示。

2.1.4 示例4

对于模式\bat\B中的\b，由于其右侧是\w，那么其左侧必须是[^\w]；
对于模式\bat\B中的\B，由于其左侧是\w，那么其右侧也必须是\w；
因此匹配结果如图所示。

2.2 复杂示例

能看懂上面的简单示例的话，理解下面的就不难了。

2.2.1 示例5

由于%是[^\w]，因此匹配结果两侧的字符也应该是[^\w]

这个不用说应该就能懂了。

 

2.2.2 示例6

根据两个\B，目标的 thank 左右两侧应该都是\w

根据\b，r左侧应该是[^\w]；根据\B，=右侧应该是[^\w]

由于r是\w，根据\b，r左侧应该是[^\w]；
由于=是[^\w]，根据\b，=右侧应该是\w；
字符串中两个regex==均不满足左侧是[^\w]，右侧是\w，因此匹配失败。

字符串中第二个regex==满足左侧是\w，右侧是\w，因此匹配成功。