arrays - 如何匹配 token 前的非字母？

Question

我正在使用 Ruby 2.4。我对为什么我的 RegEx 不起作用感到非常困惑。我想匹配我数组中的一个标记，前提是它不是字母之前的东西。我的数组是

2.4.0 :023 > GENDER_TOKENS
 => ["m", "male", "men", "f", "w", "female", "wom"]

所以这应该匹配

"2f 25"

应该

"f 100"

但不是

"elf 25"

因为“f”之前的东西不是字母。我以为这样就可以了...

2.4.0 :021 > data = "elf 25"
 => "elf 25"
2.4.0 :022 >  Regexp.new("(^|[^\p{L}]+)#{Regexp.union(GENDER_TOKENS)}").match(data.downcase)
 => #<MatchData "elf" 1:"el">

但它仍然匹配。为什么 "^\p{L}]"不匹配非字母？

Answer 1

我建议您按如下方式编写正则表达式。

r = /(?<!\p{L})#{Regexp.union(GENDER_TOKENS)}(?!\p{L})/
  #=> /(?<!\p{L})(?-mix:m|male|men|f|w|female|wom)(?!\p{L})/

内容为“不匹配一个字母(负向后视)，匹配 GENDER_TOKENS 的一个元素，不匹配一个字母(负向后视)”。

"2f 25".match?(r)      #=> true
"2f25".match?(r)       #=> true
"2female".match?(r)    #=> true
"male 100".match?(r)   #=> true
"elf 25".match?(r)     #=> false
"2funky 25".match?(r)  #=> false

请注意，负前瞻是必需的。如果我们使用正则表达式

rr = /(?<!\p{L})#{Regexp.union(GENDER_TOKENS)}/
  #=> /(?<!\p{L})(?-mix:m|male|men|f|w|female|wom)/

我们可以获得错误的结果，比如

"2funky 25".match?(rr) #=> true

(因为 token "f" 匹配)。