java正则单词边界_正则基础之 \b 单词边界

1概述

“\b”匹配单词边界，不匹配任何字符。

“\b”匹配的只是一个位置，这个位置的一侧是构成单词的字符，另一侧为非单词字符、字符串的开始或结束位置。“\b”是零宽度的。

基本上所有的资料里都会说“\b”是单词边界，但是关于“单词”的范围却是少有提及。通常情况下，正则表达式中所谓的“单词”，就是由“\w”所定义的字符所组成的子串。

“\b”表示所在位置的一侧为单词字符，另一侧为非单词字符、字符串的开始或结束位置，也就相当于

(?

思考：以下写法为什么不等价于“\b”

(?<=\W)(?=\w)|(?<=\w)(?=\W)

2\w的范围

即然涉及到“\w”，那就要先考察一下它的范围。

在支持ASCII码的语言中，如JavaScript，“\w”等价于[a-zA-Z0-9_] ；

在支持Unicode的语言中，如.NET，默认情况下，“\w”除可以匹配[a-zA-Z0-9_]外，还可以匹配一些Unicode字符集，如汉字，全角数字等等。

几乎所有常见的语言都遵循这样一个规律，只有Java是个例外。在Java中，“\w”的表现是比较奇怪的，Java是支持Unicode的，但Java的正则中的“\w”却是等价于[a-zA-Z0-9_]的。

先来看一下“\w”在几种语言中匹配的例子

JavaScript

var str = "abc_123中文_d3=efg汉字%";

var reg = /\w+/g;