Регулярное выражение для \b

Я пишу регулярные выражения для текста Unicode на Java. Однако для конкретной письменности, которую я использую - Деванагари (09:00 - 097F) есть проблема с границами слов. \b соответствует символам, которые являются зависимыми гласными (например, 093E-094C), поскольку они обрабатываются как символы пробела.

Пример: Предположим, у меня есть строка: «कमल कमाल कम्हल कम्हाल». Обратите внимание, что «मा» во втором слове образуется путем сочетания म и ा (распознается как символ пробела). Аналогично в последнем слове. Это приводит к тому, что \b соответствует 'ल' в 'कमाल' с регулярным выражением \b\w\b, которое неверно для языка.

Я надеюсь, что пример поможет.

Могу ли я написать регулярное выражение, которое ведет себя как \b, за исключением того, что оно не соответствует определенным символам? Любая обратная связь будет признательна.


regex unicode word-boundary word-boundaries
person rohit.arondekar    schedule 22.09.2009    source источник
comment
Добавил пример. Я надеюсь, что это имеет смысл.   -  person rohit.arondekar    schedule 22.09.2009
comment
Можно ли это сделать с помощью выражения [^] (не в диапазоне)?   -  person Vincent De Smet    schedule 22.09.2009
comment
Вы должны сделать ответ Лоуренса официальным: он ответил первым;)   -  person VonC    schedule 22.09.2009
comment
Сделанный. Всем спасибо за помощь :) Stackoverflow рулит!   -  person rohit.arondekar    schedule 22.09.2009

Ответы (2)


arrow_upward
1
arrow_downward

Вы должны быть в состоянии выполнить то, что хотите, с помощью следующих операторов регулярных выражений:

(?=X)   X, via zero-width positive lookahead
(?!X)   X, via zero-width negative lookahead
(?<=X)  X, via zero-width positive lookbehind
(?<!X)  X, via zero-width negative lookbehind

(Приведенное выше цитируется из шаблона Java 6. Документация по API.)

Используйте (?<![foo])(?=[foo]) вместо \b перед словом и (?<=[foo])(?![foo]) вместо \b после слова, где "[foo]" — ваш набор "символов слова"

person Laurence Gonsalves    schedule 22.09.2009
comment
Я думал об этом, но после прочтения regular-expressions.info/wordboundaries.html я был немного смущен, если это сработает. - person rohit.arondekar; 22.09.2009

arrow_upward
1
arrow_downward

Эквивалентом для границ слов (если границы не соответствуют вашим ожиданиям) будет:

 (?<!=[x-y])(<?=[x-y])...(?<=[x-y])(?![x-y])

Это потому, что «граница слова» означает «место, где с одной стороны есть символ, а с другой нет)

Таким образом, с помощью выражений просмотра назад и просмотра вперед вы можете определить свой собственный класс символов [x-y], чтобы проверять, когда вы хотите изолировать «границу слова».

person VonC    schedule 22.09.2009
comment
Ладно, думаю, теперь я понимаю. И ваш ответ, и ответ Лоуренса верны, что я отмечаю как правильный? :D - person rohit.arondekar; 22.09.2009