以特殊字符开头或结尾的单词边界会产生意外的结果

问题描述：

Sortesindex[persons]{Sortes}假设我想匹配短语中短语的存在test Sortesindex[persons]{Sortes} text。

使用 pythonre我可以这样做：

>>> search = re.escape('Sortesindex[persons]{Sortes}')
>>> match = 'test Sortesindex[persons]{Sortes} text'
>>> re.search(search, match)
<_sre.SRE_Match object; span=(5, 34), match='Sortes\\index[persons]{Sortes}'>

这可行，但我想避免搜索模式Sortes对短语给出肯定的结果test Sortesindex[persons]{Sortes} text。

>>> re.search(re.escape('Sortes'), match)
<_sre.SRE_Match object; span=(5, 11), match='Sortes'>

因此我使用如下模式：

search = r'' + re.escape('Sortesindex[persons]{Sortes}') + r''
match = 'test Sortesindex[persons]{Sortes} text'
re.search(search, match)

现在，我没有找到匹配项。

如果搜索模式不包含任何字符[]{}，则搜索有效。例如：

>>> re.search(r'' + re.escape('Sortesindex') + r'', 'test Sortesindex test')
<_sre.SRE_Match object; span=(5, 17), match='Sortes\\index'>

此外，如果我删除最后的r''，它也可以起作用：

re.search(r'' + re.escape('Sortesindex[persons]{Sortes}'), 'test Sortesindex[persons]{Sortes} test')
<_sre.SRE_Match object; span=(5, 34), match='Sortes\\index[persons]{Sortes}'>

此外，文档还提到

请注意，正式地， \b 被定义为 \w 和 \W 字符之间的边界（反之亦然），或者 \w 和字符串的开始/结束之间的边界。

所以我尝试用以下内容替换最后一个(W|$)：

>>> re.search(r'' + re.escape('Sortesindex[persons]{Sortes}') + '(W|$)', 'test Sortesindex[persons]{Sortes} test')
<_sre.SRE_Match object; span=(5, 35), match='Sortes\\index[persons]{Sortes} '>

瞧，它成功了！这是怎么回事？我遗漏了什么？

解决方案 1：

查看单词边界匹配的内容：

单词边界可以出现在以下三个位置之一：

• 如果第一个字符是单词字符，则位于字符串中的第一个字符之前。

• 如果字符串的最后一个字符是单词字符，则位于最后一个字符之后。

• 字符串中的两个字符之间，其中一个是单词字符，另一个不是单词字符。

在您的模式中，}仅当后面有一个单词字符}（字母、数字或_）时才匹配。

当您使用时，您明确(W|$)需要一个非单词或字符串的结尾。

一个解决方案是自适应词边界：

re.search(r'(?:(?!w)|(?=w)){}(?:(?<=w)|(?<!w))'.format(re.escape('Sortesindex[persons]{Sortes}')), 'test Sortesindex[persons]{Sortes} test')

或者等效的：

re.search(r'(?!Bw){}(?<!wB)'.format(re.escape('Sortesindex[persons]{Sortes}')), 'test Sortesindex[persons]{Sortes} test')

这里使用自适应动态词边界，其含义如下：

• (?:(?!w)|(?=w))（等于(?!Bw)）- 左边界，如果下一个字符是单词字符，则确保当前位置位于单词边界，如果下一个字符不是单词字符，则不应用任何上下文限制（请注意(?:B(?!w)|(?=w))，如果下一个字符不是单词字符，则如果您想禁止左侧立即出现单词字符，则需要使用）

• (?:(?<=w)|(?<!w))(等于(?<!wB)) - 右侧边界，如果前一个字符是单词字符，则确保当前位置位于单词边界，如果前一个字符不是单词字符，则不应用任何上下文限制（请注意(?:(?<=w)|B(?<!w))，如果前一个字符不是单词字符，则如果您想禁止右侧立即出现单词字符，则需要使用）。

在这些情况下，您可能还考虑使用基于负面环视的明确词边界：

re.search(r'(?<!w){}(?!w)'.format(re.escape('Sortesindex[persons]{Sortes}')), 'test Sortesindex[persons]{Sortes} test')

这里，(?<!w)如果当前位置左边紧接着有一个单词 char，则负向后视将导致匹配失败，而(?!w)如果当前位置右边紧接着有一个单词 char，则负向前视将导致匹配失败。

选择哪一个？自适应词边界与明确词边界相比更为宽松，因为后者假定匹配的两端都不能有单词字符，而前者允许在任何上下文中匹配前导和尾随非单词字符。

注意：进一步定制这些环视模式非常容易（例如，仅当模式周围有字母[^Wd_]时匹配失败，使用而不是w，或者如果只允许在空格周围匹配，请使用空格边界 (?<!S)/(?!S)环视边界）。

解决方案 2：

我认为这就是你遇到的情况：

`w落在和的边界上W，但在例子中这不起作用。'{Sortes}'是和之间的边界W，W因为与的普通集合'}'不匹配。[a-zA-Z0-9_]`w