javascript - 为什么\b 有时只能与 javascript str.match 一起使用

Question

这个问题已经有答案了:

Match any non-word character (excluding diacritics) (1 个回答)

已关闭 6 年前。

我有一个 JavaScript 函数，它尝试识别一段文本的语言并查看是否与特定语言匹配。

例如，我向函数发送“意大利语”语言，它会尝试查看文本是否包含一定数量的非常常见的意大利语单词。

部分代码如下所示，并且工作得非常好:

switch ( defLanguage ) {
    case "Italian":
        var foreign_count = str.match(/\b(non|di|che|è|e|la|il|un|a|per|in|una|mi|sono|ho|ma|l'|lo|ha|le)\b/g).length;
        break;
    case "German":
        var foreign_count = str.match(/\b(das|ist|Sie|ich|nicht|die|es|und|der|was|ein|zu|er|in|sie|mir|mit|den|auf|mich)\b/g).length;
        break;
}

这会返回foreign_count，它告诉我文本中有多少“外来”单词。

到目前为止，一切都很好。但法语就有问题。

如果我将 \b 单词边界放在可能的单词周围，它将不起作用(即 javascript 从那时起停止)。

var foreign_count = str.match(/\b(le|de|un|à|avec|et|en|je|que|pour|dans|ce|il|qui|ne|sur|se|pas|plus|par)\b/g).length;

但是，如果我删除 \b 那么它就可以工作!

var foreign_count = str.match(/(le|de|un|à|avec|et|en|je|que|pour|dans|ce|il|qui|ne|sur|se|pas|plus|par)/g).length;

这让我陷入困境。 \b 适用于德语和意大利语(以及其他语言)示例，但不适用于法语。我一生都无法弄清楚为什么，显然我需要其中的单词边界，所以我需要解决这个问题。

任何帮助将非常感激!

======更多信息========

这个问题似乎与非 ASCII 字符无关。

这不起作用:

str.match(/\b(jag|det|du|inte|att|en|och|har|vi|i|han|vad|som)\b/g).length;

但这确实:

str.match(/\b(jag|det|du|inte|att|en|och|har|vi|i|han|vad|om)\b/g).length;

似乎某些单词(全部为 ascii 字符)会与\b 标记一起导致错误。我无法使用 (?<=\s|^)，因为并非所有帐户都支持 Javascript 中的后向查找。

Answer 1

这是因为 \b 是 defined :

Matches a word boundary. This is the position where a word character is not followed or preceeded by another word-character, such as between a letter and a space. Note that a matched word boundary is not included in the match. In other words, the length of a matched word boundary is zero.

...以及如何定义单词字符(又名\w):

Matches any alphanumeric character from the basic Latin alphabet, including the underscore. Equivalent to [A-Za-z0-9_].

显然 à 不是单词字符，因此它无法帮助匹配单词边界。