Ace Editor中含Unicode重音字符的关键词高亮问题

问题出在\b是ASCII单词边界，仅匹配[a-zA-Z0-9_]（即\w）与非\w字符的边界。带重音的Unicode字符属于\W范畴，因此以重音字符结尾的单词，其与后续空白/标点的位置不满足\b的匹配条件，导致无法被识别。

解决方案 #

使用Unicode属性类自定义单词边界，同时开启正则的Unicode模式（u标志），具体修改如下：

this.$rules = {
    "start": [            
        {
            // 自定义Unicode单词边界，匹配含重音的字母、数字、下划线
            regex: new RegExp("(?<![\\p{L}\\p{M}\\p{N}_])[\\p{L}\\p{M}\\p{N}_]+(?![\\p{L}\\p{M}\\p{N}_])", "u"),
            token: keywordMapper
        },
    ]
};
this.normalizeRules()

正则说明 #

• (?<![\p{L}\p{M}\p{N}_])：反向预查，确保当前位置前不是单词字符（\p{L}匹配所有语言字母，\p{M}匹配重音等附加标记，\p{N}匹配数字，_保留原规则）
• [\p{L}\p{M}\p{N}_]+：匹配一个或多个合法的单词字符（包含带重音的Unicode字母）
• (?![\p{L}\p{M}\p{N}_])：正向预查，确保当前位置后不是单词字符
• "u"标志：开启Unicode模式，让正则正确解析Unicode属性类与字符

适配含特殊字符的关键词 #

如果你的关键词包含撇号（如jusqu’à），只需把撇号加入单词字符集即可：

regex: new RegExp("(?<![\\p{L}\\p{M}\\p{N}_'])[\\p{L}\\p{M}\\p{N}_']+(?![\\p{L}\\p{M}\\p{N}_'])", "u")

内容的提问来源于stack exchange，提问作者Laurent