r - R 中非 ASCII 字符的正向后视

Question

我有一个 R 函数，它试图将每个“单词”的第一个字母大写

proper = function(x){
  gsub("(?<=\\b)([[:alpha:]])", "\\U\\1", x, perl = TRUE)
}

这工作得很好，但是当我有一个带有毛利语长音的单词时，例如 Māori我得到了不正确的大写，例如

> proper("Māori")
[1] "MāOri"

显然，RE 引擎认为宏 ā是一个词边界。不知道为什么。

Answer 1

由于您使用的是 PCRE 正则表达式引擎(通过 perl=TRUE 启用)，您必须通过 (*UCP)标记到正则表达式，以便所有速记和单词边界都可以检测到 Unicode 文本中的正确符号/位置:

proper = function(x){
  gsub("(*UCP)\\b([[:alpha:]])", "\\U\\1", x, perl = TRUE)
}
proper("Māori")
## [1] "Māori"

见 R demo .

请注意 \b已经是一个零宽度断言，不必放入正向后视，即 (?<=\b) = \b .