我编写了一个应该提取以下模式的正则表达式；
- “ççççoookkk gggüüüüzzzeeelll”(意思是 vvveeerrryyy gggoooddd 带有土耳其语字符“ç”和“ü”)
- "ccccoookkk ggguuuzzzeeelll"(意思相同，但有英文字符“c”和“u”)
这是我正在尝试的正则表达式；
"\b[çc]+o+k+\sg+[üu]+z+e+l+\b":这适用于英语，但不适用于土耳其语字符“çok”:找到“çok”，但当我尝试“ç+o+k+”对“çççoookkk”不起作用时，它找到“çoookkk”“güzel”:找到“güzel”，但当我尝试“g+ü+z+e+l+”时，它对“gggüüüuzzzeeelll”不起作用<"\b(c+o+k+)|(ç+o+k+)\s(g+u+z+e+l)|(g+ü+z+e+l+)\b": 不能正常工作[çc]ok\sg[uü]zel":我也试过这个来获得“çok güzel”模式，但都不起作用。
我认为问题可能在于使用带有土耳其字符的正则表达式运算符。我不知道我该如何解决这个问题。
我正在使用 http://www.myregextester.com检查我的正则表达式是否正确。
我正在使用 Php 编程语言通过 Twitter Rest Api 从搜索的推文中获取特定模式。
谢谢，
最佳答案
您没有指定您使用的是哪种编程语言，但在其中的许多语言中，\b 字符类只能用于纯 ASCII 编码。
在内部，\b 被处理为 \w 和 \W 集之间的边界。
反过来，\w 等于 [a-zA-Z0-9_]。
如果您没有使用任何花哨的空格标记(您不应该)，请考虑使用常规的空白字符类 (\s)。
参见 this table (向下滚动到 Word Boundaries 部分)检查您的语言是否支持 \b 的 Unicode。如果它说，“ascii”，那么它就不是。
附带说明，根据您的编程语言，您可以考虑使用直接 Unicode 代码点而不是国家字符。
还可以:utf-8 word boundary regex in javascript
进一步阅读:
关于php - 正则表达式不能正确处理土耳其字符，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/16579113/