正则表达式找不到包含瑞典字母的两个字母单词

Question

所以我对 Regex 很陌生，我设法创建了一种方法来检查字符串中是否存在特定单词，而不仅仅是另一个单词的一部分。

示例：我在找“香蕉”这个词。香蕉 == 真，bananarama == 假

这一切都很好，但是当我在查找包含瑞典字母 (Å,Ä,Ö) 的单词和仅包含两个字母的单词时出现问题。

示例：我正在寻找字符串中的单词“på”，如下所示：“på påsk” 结果是负面的。但是，如果我寻找“påsk”这个词，它就会返回正数。这是我正在使用的正则表达式：

const doesWordExist = (s, word) => new RegExp('\b' + word + '\b', 'i').test(s);
stringOfWords = "Färg på plagg";
console.log(doesWordExist(stringOfWords, "på"))
//Expected result: true
//Actual result: false

但是，如果我将单词“på”更改为三个字母的单词，那么它会返回 true：

const doesWordExist = (s, word) => new RegExp('\b' + word + '\b', 'i').test(s);
stringOfWords = "Färg pås plagg";
console.log(doesWordExist(stringOfWords, "pås"))
//Expected result: true
//Actual result: true

我一直在四处寻找答案，我发现了一些与瑞典字母有类似问题的答案，none 其中 none 实际上只查找完整的单词。谁能解释一下我做错了什么？

Answer 1

word boundary \b strictly depends on the characters matched by \w, which is a short-hand character class [A-Za-z0-9_]。

要获得类似的行为，您必须重新实现其功能，例如：

const swedishCharClass = '[a-zäöå]';
const doesWordExist = (s, word) => new RegExp(
    '(?<!' + swedishCharClass + ')' + word + '(?!' + swedishCharClass + ')', 'i'
).test(s);

console.log(doesWordExist("Färg på plagg",  "på"));  // true
console.log(doesWordExist("Färg pås plagg", "pås")); // true
console.log(doesWordExist("Färg pås plagg", "på"));  // false

对于更复杂的字母表，我建议您看一下 Concrete Javascript Regex for Accented Characters (Diacritics)。

正则表达式找不到包含瑞典字母的两个字母单词

Regex not finding two letter words that include Swedish letters

javascript

regex

symbols