Google Apps Script西里尔字母整词边界匹配替换问题求解

问题原因 #

Google Docs Apps Script 内置的findText、replaceText方法使用RE2正则引擎，存在两个核心限制：

• \b单词边界仅支持ASCII字符集（仅识别英文字母、数字、下划线的边界），无法识别西里尔字母这类非ASCII字符的单词边界
• 不支持零宽断言语法（(?<=...)、(?=...)均属于不支持的语法，所以之前的写法会抛出正则无效异常）

解决方案 #

可以用分组捕获前后分隔符的方式实现整词匹配，替换时保留原有分隔符即可，修改后的完整代码如下：

function addLinks(word, siteurl) {
  var id = 'doc\'s ID';
  var doc = DocumentApp.openById(id);
  var body = doc.getBody();
  var tempword = 'ASDFDSGDDKDSL2';
  // 构造正则：分组1匹配开头/空白/标点，分组2匹配目标词，分组3匹配结尾/空白/标点
  // 可根据实际需求调整[]内的标点范围，覆盖文档里可能出现的单词分隔符
  var searchText = "(^|[\\s,.:;\"'?!()\\[\\]{}])("+word+")([\\s,.:;\"'?!()\\[\\]{}]|$)";
  // 替换时保留前后的分隔符，只把目标词换成临时占位词
  var replacePattern = "$1" + tempword + "$3";

  var element = body.findText(searchText);
  while (element) {
    var textElement = element.getElement().asText();
    // 计算临时词的实际起始位置：原匹配起始位置 + 第一个分组（前置分隔符）的长度
    var matchStart = element.getStartOffset();
    var group1Length = element.getMatchGroup(1).length;
    var tempStart = matchStart + group1Length;
    // 替换当前匹配内容
    textElement.replaceText(searchText, replacePattern);
    // 给临时词加链接
    textElement.setLinkUrl(tempStart, tempStart + tempword.length - 1, siteurl);
    // 查找下一个匹配
    element = body.findText(searchText, element);
  }
  // 最后把所有临时占位词换回原词
  body.replaceText(tempword, word);
}

addLinks('февраля', 'example.com');

核心逻辑说明 #

• 正则拆分三个分组分别捕获单词前的分隔符/开头、目标词、单词后的分隔符/结尾，避免误匹配词干相同的长单词
• 替换时保留前后两个分组的原有内容，仅把目标词替换为临时占位词
• 计算链接位置时叠加了前置分隔符的长度，保证链接仅加在原目标词对应的临时词位置，不会误给前后分隔符加链接

内容的提问来源于stack exchange，提问作者Vsevolod