问为什么行的这一端(\\b)在字符串/ICU和Perl中不被识别为单词边界

EN

当您使用没有perl=TRUE的基regex函数时，将使用重排香精。

这个词的边界似乎是：

• 在非字字符之后使用时，与字符串位置的末尾匹配，以及
• 在非字字符之前使用时，与字符串位置的开始匹配。

见R测试：

> gsub("\\b\\)", "HERE", ") 2009in )")
[1] "HERE 2009in )"
> gsub("\\)\\b", "HERE", ") 2009in )")
[1] ") 2009in HERE"
> 

这不是PCRE和ICU regex风格中字界的常见行为，在非单词字符之前的单词边界仅在字符前面有一个单词字符(不包括字符串位置的开始时匹配)(在非单词字符后面使用时，需要在单词边界后面出现一个单词字符)：

有三个不同的位置被限定为单词边界：- Before the first character in the string, if the first character is a word character. - After the last character in the string, if the last character is a word character. - Between two characters in the string, where one is a word character and the other is not a word character.

\b

等于

(?:(?<!\w)(?=\w)|(?<=\w)(?!\w))

也就是说它符合

• 在单词字符和非单词字符之间，
• 在单词字符和字符串的开头之间，以及
• 在单词字符和字符串末尾之间。

€是一个符号，符号不是单词字符。

$ uniprops €
U+20AC <€> \N{EURO SIGN}
    \pS \p{Sc}
    All Any Assigned Common Zyyy Currency_Symbol Sc Currency_Symbols S Gr_Base Grapheme_Base Graph X_POSIX_Graph GrBase Print X_POSIX_Print Symbol Unicode

如果您的语言支持“后看”和“看头”，那么您可以使用以下方法在空间和非空间之间找到一个边界(将开始和结束作为一个空间)。

(?:(?<!\S)(?=\S)|(?<=\S)(?!\S))