PHP正则转义字符后\b单词边界失效问题及解决方案咨询

这个问题我之前在处理带特殊字符的关键词匹配时也踩过坑，咱们先搞清楚为啥\b在这里对C++失效了，再给靠谱的解决办法。

为啥C++匹配不到？ #

正则里的\b是单词边界，它的触发条件只有两种：

• 一边是单词字符（\w，也就是字母、数字、下划线），另一边是非单词字符（\W，比如标点、空格、符号）；
• 字符串的开头或结尾位置。

看你的例子，C++转义后的正则是/\bC\+\+\b/：

• 开头的\b能匹配，因为C是\w，前面是空格（\W）；
• 但结尾的\b就尴尬了：C++最后一个字符是+（属于\W），后面跟着的空格也是\W，两边都是非单词字符，这里不存在单词边界，所以整个正则匹配失败。

至于你提到用[^\w]替代\b，这个方案确实能解决当前例子的问题，但有两个明显风险：

1. 如果C++出现在字符串末尾（比如I love C++），[^\w]需要匹配一个非单词字符，但字符串结尾没有字符，会匹配失败；
2. 如果C++后面跟着的是下划线（比如C++_test），_属于\w，[^\w]也会匹配失败，但实际上我们不希望把C++_test里的C++当成目标关键词。

怎么实现需求？ #

最稳妥的办法是用负向断言来模拟自定义的“单词边界”，替换原来的\b。具体来说，用(?<!\w)（左边不是单词字符）和(?!\w)（右边不是单词字符）来包裹关键词，这样不管关键词的首尾是\w还是\W，只要前后不是字母数字下划线，就会匹配。

修改后的代码如下：

$string = 'I don\'t know C e C++ so well, but I can code in PHP.';
$languages = [
    'PHP' => '/php/',
    'C++' => '/cpp/',
    'C' => '/c/',
];

foreach ($languages as $name => $uri) {
    // 用负向断言替代\b，兼容带特殊字符的关键词
    $regex = '/(?<!\w)' . preg_quote($name, '/') . '(?!\w)/';
    if (preg_match($regex, $string)) {
        echo "For {$name} information refer to http://foo.bar{$uri}" . PHP_EOL;
    }
}

这个方案的优势：

• 完美兼容带特殊字符的关键词（比如C++、C#这类）；
• 能处理关键词在字符串开头、结尾的情况；
• 不会误匹配类似C++_test这种包含关键词的复合词。

运行这段代码后，就能得到你预期的输出：同时匹配到PHP、C++和C的对应信息。

内容的提问来源于stack exchange，提问作者Caio Ferreira Silva