這里奇怪的小問題，我在孟加拉語中有這個（隨機）句子："???? ????? ??????, ?????? ??????????? ????????"
我試圖在它上面運行一個正則運算式（使用Python re library），如下所示：
- ??????（“令牌#4”）：
re.search(r"\b??????\b", "???? ????? ??????, ?????? ??????????? ????????") : <re.Match object; span=(19, 25), match='??????'>
- ?????（“令牌#2”）：
re.search(r"\b?????\b", "???? ????? ??????, ?????? ??????????? ????????"): None
知道為什么會發生這種情況嗎？
更新（來自下面的答案建議）：
- 查看孟加拉語（和其他印度語言）中使用的變音符號
uj5u.com熱心網友回復：
如果您檢查您?????包含哪些字符（我喜歡使用此服務），您將了解到最后一個字母是U 09BE?，即屬于Mc（標記，間距組合）Unicode 類別的BENGALI VOWEL SIGNAA。
請注意，Mc Unicode 類別字符不屬于re正則運算式中的單詞字符。Pythonre \w匹配“ Unicode 字母、表意文字、數字或下劃線”，其中“表意文字”僅指Mn （標記，非間距）Unicode 類別。
正則運算式中的最后一個\b單詞邊界需要字串的結尾，或者在AA元音之后立即出現非單詞字符，因為單詞邊界出現在非單詞AA字符之后。
因此，如果您需要將所有組合標記添加到單詞邊界中，則需要使用解決問題的PyPi 正則運算式庫：
'word' 字符的定義（issue #1693050）
“單詞”字符的定義已針對 Unicode 進行了擴展。它符合 Unicode 規范
http://www.unicode.org/reports/tr29/。
在線查看Python 演示：
import regex
print( regex.search(r"\b?????\b", "???? ????? ??????, ?????? ??????????? ????????") )
# => <regex.Match object; span=(5, 10), match='?????'>
轉載請註明出處，本文鏈接：https://www.uj5u.com/net/517295.html