Swift substring range函数在泰米尔语特定场景下匹配失败求助

问题重现 #

在Swift中使用range(of:)查找以泰米尔语Pulli（U+0BCD，纯辅音修饰符）结尾的子串时存在异常：子串位于字符串末尾时可正常匹配，位于中间时则匹配失败。示例代码及输出如下：

var s = "அவர்கள்"
var ss1 = "அவர்"
var ss2 = "கள்"
if let r2 = s.range(of: ss2)?.lowerBound {
    print("INFO: Success! Found the substring",s[r2...],"in string",s)
} else {
    print("ERROR: substring",ss2,"not found in string",s)
}

if let r1 = s.range(of: ss1)?.upperBound {
    print(s[..<r1])
} else {
    print("ERROR: substring",ss1,"not found in string",s)
}
print(s.unicodeScalars.map { $0 })
print(ss1.unicodeScalars.map { $0 })
print(ss2.unicodeScalars.map { $0 })

输出：

INFO: Success! Found the substring கள் in string அவர்கள்
ERROR: substring அவர் not found in string அவர்கள்
["\u{0B85}", "\u{0BB5}", "\u{0BB0}", "\u{0BCD}", "\u{0B95}", "\u{0BB3}", "\u{0BCD}"]
["\u{0B85}", "\u{0BB5}", "\u{0BB0}", "\u{0BCD}"]
["\u{0B95}", "\u{0BB3}", "\u{0BCD}"]

泰米尔语的Pulli修饰符用于将带元音的辅音转为纯辅音，例如基础字符ர（U+0BB0）添加Pulli后变为ர்（U+0BB0 + U+0BCD）。此前有方案将Pulli视为变音符号忽略，但会导致非预期匹配：

• 预期：s = "அவர்கள்", ss1 = "அவர்" → 匹配成功
• 非预期：s = "அவரகள்", ss1 = "அவர்" → 匹配到அவர（无Pulli）
• 非预期：s = "அவராகள்", ss1 = "அவர்" → 匹配到அவரா（带长元音修饰符）

问题分析 #

Swift默认的range(of:)使用语言感知的字符串匹配策略，会将某些Unicode字符组合视为语义等价（例如将变音符号与基础字符的组合做模糊匹配），导致无法精准匹配带Pulli的子串。同时，当子串位于字符串中间时，后续字符的存在可能干扰默认匹配逻辑，而末尾子串无此问题。

精准匹配方案 #

使用range(of:options:)并指定.literal选项，强制进行字面量精确匹配，严格按照Unicode标量序列比对字符串，避免语言感知的等价替换。

修改后的代码：

var s = "அவர்கள்"
var ss1 = "அவர்"

// 使用.literal选项进行精确匹配
if let r1 = s.range(of: ss1, options: .literal)?.upperBound {
    print(s[..<r1])
} else {
    print("ERROR: substring", ss1, "not found in string", s)
}

验证结果 #

对所有测试案例进行验证，均符合预期：

• s = "அவர்கள்", ss1 = "அவர்" → 匹配成功，输出அவர்
• s = "அவரகள்", ss1 = "அவர்" → 匹配失败（正确，无Pulli修饰符）
• s = "அவராகள்", ss1 = "அவர்" → 匹配失败（正确，带长元音而非Pulli）
• s = "அவரிகள்", ss1 = "அவர்" → 匹配失败（正确，带短元音而非Pulli）
• s = "அவரைகள்", ss1 = "அவர்" → 匹配失败（正确，带双元音而非Pulli）

内容的提问来源于stack exchange，提问作者baskaran