在JavaScript中使用单词边界的正则表达式匹配字母数字和非字母数字字符

Question

4

我正在尝试使用JavaScript和正则表达式来高亮一组关键词，但我遇到了一个问题：我的关键词可能包含文字和特殊字符，例如@text #number等。我使用单词边界来匹配和替换整个单词，而不是部分单词（包含在另一个单词中）。

var pattern = new regex('\b '( + keyword +')\b',gi);

这个表达式匹配整个关键词并将它们突出显示，但是如果像“number:”这样的关键词没有被突出显示，则无法匹配。我知道\bword\b可以匹配单词边界，而特殊字符是非字母数字字符，因此不会被上述表达式匹配。你能告诉我使用哪个正则表达式可以实现上述功能吗？

==更新==

对于上述问题，我尝试了Tim Pietzcker建议的以下正则表达式：

expr: (?:^|\\b|\\s)(" + keyword + ")(?:$|\\b|\\s)

上述方法似乎可以匹配包含字母数字和非字母数字字符的整个单词，但是如果一个关键词前后紧跟着HTML标签而没有空格，它将无法突出显示该关键词（例如社会保障号码：*number:< br >*）。我尝试了以下正则表达式，但它会替换关键词之前的HTML标签。

expr: (?:^|\b|\s|<[^>]+>)number:(?:$|\b|\s|<[^>]+>)

对于关键词number：，后面紧跟着没有空格的<br>（故意添加空格以避免浏览器解释标签），会使该关键词突出显示。

你能否提供一个表达式，忽略整个单词中包含字母数字和非字母数字字符的连续HTML标记。

- Bhupen

1

当您有特定的搜索关键字时，为什么要使用正则表达式呢？只需将单词作为字符串进行搜索即可。 - Sebastian Schmidt

从tchrist link answer: "请查看此答案，了解使用类似\b和\B边界时需要注意的微妙陷阱。" - Félix Adriyel Gagnon-Grenier

6个回答

1

我们需要查找一个子字符串，两侧都有空格字符。如果 JavaScript 支持 lookbehind，则会像这样：

var re = new RegExp('(?<!\\S)' + keyword + '(?!\\S)', 'gi');

但这并行不通，（虽然在Perl和其他脚本语言中可以）。相反，我们需要将前导空格字符（或字符串开头）包含在匹配的开始部分，并可选择地将我们真正寻找的内容括号捕获到 $1 中：

var re = new RegExp('(?:^|\\s)(' + keyword + ')(?!\\S)', 'gi');

请注意，任何匹配开始的真实位置将在re.exec(string)返回的.index属性返回的位置之后一个字符，如果您要访问匹配的字符串，则需要使用.slice(1)删除第一个字符或直接访问捕获的内容。

- PleaseStand

0

也许你想要做的是

'\b\W*(' + keyword + ')\W*\b'

- fcalderan

0

前瞻和后顾是你的答案："(?=<[\s^])" + keyword + "(?=[\s$])"。括号中的位不包含在匹配中，因此请在其中包含关键字中不允许的任何字符。

- Nathan MacInnes

抱歉，我的错误...JavaScript不支持lookbehind（尽管它出于某种原因支持lookahead）。请忽略。 - Nathan MacInnes

0

试试这个，应该可以工作...

var pattern = new regex(@"\b"+Regex.escape(keyword)+@"\b",gi);

- sumair

0

正如Tim所指出的那样，\b是一些棘手的东西，它们的工作方式与人们通常认为的不同。阅读this answer以获取有关此问题的更多详细信息以及您可以采取的措施。

简而言之，这是一个左边界：

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

这是右边的边界：

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

人们总是认为有空格的问题，但实际上并没有。不过，现在你知道了真正的定义，很容易将其融入其中。可以将\w和\W替换为上述两个模式中的\s和\S。或者可以在else块中添加空格感知。

- tchrist

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Tim Pietzcker · Accepted Answer

2021 更新: JS 现在已经支持后顾断言，所以这个答案有点过时了。

好的，你有两个问题：JavaScript 不支持后顾断言，而且 \b 只能找到字母数字字符和非字母数字字符之间的边界。

第一个问题是：对于你的关键词，什么构成单词边界？我的猜测是它必须是一个 \b 边界或空格。如果是这样的话，你可以搜索：

"(?:^|\\b|\\s)(" + keyword + ")(?:$|\\b|\\s)"

当然，像@number#这样的关键字周围的空格字符也将成为匹配的一部分，但也许突出显示这些并不是什么问题。在其他情况下，即如果有实际的单词边界可以匹配，则空格不会成为匹配的一部分，因此在大多数情况下应该可以正常工作。

你感兴趣的实际单词将在回溯引用#1中，因此如果可以单独突出显示它，那就更好了。

编辑：如果除了空格以外的其他字符可能在关键字之后/之前出现，那么我认为您可以做的唯一一件事（如果您被限制使用JavaScript）是：

所以，对于“keyword”，请使用“\bkeyword\b”；对于“number:”，请使用“\bnumber:”；对于“@twitter”，请使用“@twitter\b”。