我是否应该能够在 Java 正则表达式的单词边界内引用前导或尾随美元符号 ($)？

Question

我在获取带有前导/尾随 $ 的正则表达式以匹配 Java (1.6.20) 时遇到问题。

从这段代码中：

System.out.println( "$40".matches("\\b\\Q$40\\E\\b") );
System.out.println( "$40".matches(".*\\Q$40\\E.*") );
System.out.println( "$40".matches("\\Q$40\\E") );
System.out.println( " ------ " );
System.out.println( "40$".matches("\\b\\Q40$\\E\\b") );
System.out.println( "40$".matches(".*\\Q40$\\E.*") );
System.out.println( "40$".matches("\\Q40$\\E") );
System.out.println( " ------ " );
System.out.println( "4$0".matches("\\b\\Q4$0\\E\\b") );
System.out.println( "40".matches("\\b\\Q40\\E\\b") );

我得到了这些结果：

false
true
true
 ------ 
false
true
true
 ------ 
true
true

前两个块中的领先 false 似乎是问题所在。也就是说，在 \b（单词边界）标记的上下文中未正确拾取前导/尾随 $（美元符号）。

块中的真实结果显示它不是引用的美元符号本身，因为用 .* 替换 \b 或一起删除所有内容可以获得所需的结果。

最后两个“true”结果表明问题既不在于内部引用的 $，也不在于引用表达式“\Q ... \E”内的单词边界 (\b) 匹配。

这是 Java 错误还是我遗漏了什么？

Answer 1

Tomalak 做到了——它是关于单词边界匹配的。我已经弄清楚并删除了这个问题，但威尔对其他人保持开放的建议是合理的。

事实上， \b 才是罪魁祸首。

一个结论可能是，除了最基本的（即 ASCII）用途之外，Java 内置的便利表达式实际上毫无用处。例如。 \w 仅匹配 ASCII 字符，\b 基于此，等等。FWIW

，我的正则表达式最终是：

   (?:^|[\p{P}\p{Z}])(\QThe $earch Term\E)(?:[\p{P}\p{Z}]|$)

其中 The $earch Term是我要匹配的文本。

\p{} 是 Unicode 类别。基本上，我在标点符号 (P) 或分隔符 (Z) Unicode 字符类别中的任何字符上都违反了我的诺言。此外，输入的开头和结尾受到尊重（使用 ^ 和 $），并且边界标记被标记为非捕获组（(? :...) 位），而实际搜索词用 \Q 和 \E & 引用。放置在匹配的组中。

Answer 2

这是因为 \b 匹配单词边界。并且紧邻 $ 字符之前或之后的位置不一定算作单词边界。

字边界是 \w 和 \W 之间的位置，并且 $ 不是 \w 的一部分。以字符串“bla$”为例，单词边界为：

" b l a $ "
 ^----------- here

" b l a $ "
       ^----- here

" b l a $ "
         ^--- but not here