单词边界的正则表达式，但如果前面或后面有特殊字符，则仍然匹配

Question

我想要完成的是匹配任何单词，即使它们后面或前面是非字母数字字符。

因此，例如对于以下字符串

This string contains word1 and word2* and anotherword1

，我希望获得

word1

和

word2

的两个匹配项，但不是

anotherword1

中的

word1

或

anotherword1

。

我现在拥有的是

\b(word1|word2)\b

但这与

word2

不匹配（忽略 *）。

根据我读到的内容

\b

仅匹配字母数字字符和非字母数字字符，但我不知道如何处理尾随我的目标单词的特殊字符。

LE：我认为

(?i)(?<=^|[^a-zA-Z0-9])(word1|word2)(?=$|[^a-zA-Z0-9])

可以解决这个问题……但是看起来还可以吗？这是一个更简单的方法吗？

Answer 1

您正在寻找自适应单词边界（是的，这是我在here描述的概念）：

(?!\B\w)(word1|word2)(?!\B\w)

或者，如果您只是想确保两端都没有单词字符：

(?<!\w)(word1|word2)(?!\w)

(?<!\w)

和

(?!\w)

环视是明确前导 (

(?<!\w)

) 和尾随 (

(?!\w)

) 字边界。

\b

的构造含义取决于上下文：

\bw

将匹配

w

中的

*w

，因为它需要在

\b

之前有一个非单词字符，但

\b\*

需要在

之前有一个单词字符*

因为

*

是非单词字符。

在不支持lookbehinds的语言中，应将

(?<!\w)

替换为

(^|\W)

，并应在代码中进行进一步的操作。