Pourquoi la limite Regex \\b de Go échoue-t-elle avec des caractères non-ASCII ?

Problème de limite Golang Regex avec des caractères non-ASCII

Dans Go, l'option de limite b devrait correspondre à la limite des caractères ASCII , à l'exclusion des caractères accentués tels que é. Ce comportement peut conduire à des résultats inattendus lorsque vous travaillez avec des chaînes contenant des caractères non-ASCII. Par exemple, considérons le code suivant :

<code class="go">package main

import (
    "fmt"
    "regexp"
)

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

Dans cet exemple, l'expression régulière b(vis)b correspond à la sous-chaîne "vis" aux limites des mots. Cependant, lorsqu'il est appliqué à « révisé », il renvoie incorrectement True car é n'est pas considéré comme un caractère de mot. Pour résoudre ce problème, vous pouvez utiliser une approche alternative :

<code class="go">r, _ := regexp.Compile(`(?:\A|\s)(vis)(?:\s|\z)`)
fmt.Println(r.MatchString("vis")) // True
fmt.Println(r.MatchString("re vis e")) // True
fmt.Println(r.MatchString("revise")) // False
fmt.Println(r.MatchString("révisé")) // False</code>

Cette solution utilise un groupe de non-capture (?:A|s)(vis)(?:s|z) pour correspondre à l'un des les caractères suivants :

• Début de chaîne (A)
• Espaces (s)

Cela imite le comportement de b mais inclut des caractères non-ASCII comme limites potentielles des mots. En combinant ces composants, il réussit à faire correspondre « vis » au début ou à la fin d'un mot, quels que soient les caractères environnants.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!