\b Go 正規表示式中拉丁文字元的邊界

在Go 正規表示式的世界中， \b 邊界選項有一個輕微的怪癖處理拉丁字符時。當嘗試定義包含拉丁字元（例如重音元音和特殊字元）的單字時，就會出現此問題。

考慮以下範例，我們希望使用 \b 邊界選項來匹配單字「vis」：

import (
    "fmt"
    "regexp"
)

func main() {
    r, _ := regexp.Compile(`\b(vis)\b`)
    fmt.Println(r.MatchString("re vis e"))
    fmt.Println(r.MatchString("revise"))
    fmt.Println(r.MatchString("révisé"))
}

令人驚訝的是，將「révisé」配對為 false 的預期結果並未出現。相反，它匹配為 true。這是因為 \b 僅在 ASCII 單字邊界上運行。

要解決此問題並準確匹配拉丁字符，我們可以用更具包容性的替代方案替換 \b 邊界。這是一個範例：

import (
    "fmt"
    "regexp"
)

func main() {
    r, _ := regexp.Compile(`(?:\A|\s)(vis)(?:\s|\z)`)
    fmt.Println(r.MatchString("vis"))
    fmt.Println(r.MatchString("re vis e"))
    fmt.Println(r.MatchString("revise"))
    fmt.Println(r.MatchString("révisé"))
}

透過此修改，正規表示式現在使用字串開頭 (\A)、字串結尾 (\z) 和空格 (\s) 的組合來識別單字的開頭和結尾。結果準確地將「vis」配對為 true，將「révisé」配對為 false：

true
true
false
false

無論是否存在拉丁字符，此技術都可確保準確的單字匹配。