1概述
“\b”匹配單詞邊界，不匹配任何字符。
“\b”匹配的只是一個位置，這個位置的一側(cè)是構(gòu)成單詞的字符，另一側(cè)為非單詞字符、字符串的開始或結(jié)束位置。“\b”是零寬度的。
基本上所有的資料里都會說“\b”是單詞邊界，但是關于“單詞”的范圍卻是少有提及。通常情況下，正則表達式中所謂的“單詞”，就是由“\w”所定義的字符所組成的子串。
“\b”表示所在位置的一側(cè)為單詞字符，另一側(cè)為非單詞字符、字符串的開始或結(jié)束位置，也就相當于
(?!\w)(?=\w)|(?=\w)(?!\w)
思考：以下寫法為什么不等價于“\b”
(?=\W)(?=\w)|(?=\w)(?=\W)
2\w的范圍
即然涉及到“\w”，那就要先考察一下它的范圍。
在支持ASCII碼的語言中，如JavaScript，“\w”等價于[a-zA-Z0-9_] ；
在支持Unicode的語言中，如.NET，默認情況下，“\w”除可以匹配[a-zA-Z0-9_]外，還可以匹配一些Unicode字符集，如漢字，全角數(shù)字等等。
幾乎所有常見的語言都遵循這樣一個規(guī)律，只有Java是個例外。在Java中，“\w”的表現(xiàn)是比較奇怪的，Java是支持Unicode的，但Java的正則中的“\w”卻是等價于[a-zA-Z0-9_]的。
先來看一下“\w”在幾種語言中匹配的例子
JavaScript
復制代碼 代碼如下:
script language="javascript">
var str = "abc_123中文_d3=efg漢字%";
var reg = /\w+/g;
var arr = str.match(reg);
if(arr != null)
{
for(var i=0;iarr.length;i++)
{
document.write(arr[i] + "br />");
}
}
/script>
//JavaScript中輸出
abc_123
_d3
efg
C#
復制代碼 代碼如下:
string test = "abc_123中文_d3=efg漢字%";
MatchCollection mc = Regex.Matches(test, @"\w+");
foreach (Match m in mc)
{
richTextBox2.Text += m.Value + "\n";
}
//C#中輸出
abc_123中文_d3
efg漢字
Java
復制代碼 代碼如下:
String test = "abc_123中文_d3=efg漢字%";
String reg = "\\w+";
Matcher m = Pattern.compile(reg).matcher(test);
while(m.find())
{
System.out.println(m.group());
}
//Java中輸出
abc_123
_d3
efg
可以看到，“\w”在Java中的輸出和JavaScript中是一樣的，都是只支持ASCII字符。
3 \b的范圍
常見語言中“\w”的范圍確定了，那么是不是可以認為“\b”的匹配范圍與“\w”也是一致的呢？
再看下下面的例子：
源字符串：abc_123中文_d3=漢字efg
正則表達式：.\b.
JavaScript
復制代碼 代碼如下:
script language="javascript">
var str = "abc_123中文_d3=efg漢字%";
var reg = /.\b./g;
var arr = str.match(reg);
if(arr != null)
{
for(var i=0;iarr.length;i++)
{
document.write(arr[i] + "br />");
}
}
/script>
//JavaScript中輸出
3中
文_
3=
g漢
C#
復制代碼 代碼如下:
string test = "abc_123中文_d3=efg漢字%";
MatchCollection mc = Regex.Matches(test, @".\b.");
foreach (Match m in mc)
{
richTextBox2.Text += m.Value + "\n";
}
//C#中輸出
3=
字%
Java
復制代碼 代碼如下:
String test = "abc_123中文_d3=efg漢字%";
String reg = ".\\b.";
Matcher m = Pattern.compile(reg).matcher(test);
while(m.find())
{
System.out.println(m.group());
}
//Java中輸出
3=
字%
可以看到，Java的輸出和.NET是一致的，“\b”在Java中是支持Unicode的。
所以總的來說，Java中的“\w”是很奇怪的，而“\b”是與其它語言表現(xiàn)一致的，在使用時需要注意。
4 \b應用場景
4.1 基礎應用
“\b”一般應用在需要匹配某一單詞字符組成的子串，但這一字符不能包含在同樣由單詞字符組成的更長的子串中。
比如要替換掉一段英文中的單詞“to”，而“today”顯然不在替換的范圍內(nèi)，所以正則可以用“\bto\b”來限定。
用得比較多的場景是在HTML標簽的匹配中，用以區(qū)分相互包含的標簽，比如要過濾掉b>、/b>、p…>、img…>等標簽，但要保留br />標簽，正則可以寫成“(/?b|p|img)\b[^>]*>”。
舉例：統(tǒng)計以“,”分割的元素中“3”的個數(shù)
string test = "137,1,33,4,3,6,21,3,35,93,2,98";
int count = Regex.Matches(test, @"\b3\b").Count; //結(jié)果：2
4.2 進階應用
稍復雜一些的應用通常都是與其它一些正則語法規(guī)則一起使用的，參考一個帖子
求一正則表達式
4.3 特殊情況
“\b”用在正則中，通常情況下都是表示單詞邊界的，只有在字符組中，它表示的是退格鍵，即
[a-z\b]
此處的“\b”表示的是退格鍵，而不是單詞邊界。
