Python regex.WORD如何影响\b的行为？

我正在使用正则表达式进行匹配。上面说

• 默认Unicode字边界

  WORD

  标志将“单词边界”的定义更改为默认Unicode单词边界的定义。这适用于

  \b

  和

  \b

但似乎一切都没有改变：

>>> r1 = regex.compile(r".\b.", flags=regex.UNICODE)
>>> r2 = regex.compile(r".\b.", flags=regex.UNICODE | regex.WORD)
>>> r1.findall("русский  ελλανικα")
['й ', ' ε']
>>> r2.findall("русский  ελλανικα")
['й ', ' ε']

---

我没有观察到任何差异…？

带或不带

单词

标志的区别在于单词边界的定义方式

举个例子：

import regex

t = 'A number: 3.4 :)'

print(regex.search(r'\b3\b', t))
print(regex.search(r'\b3\b', t, flags=regex.WORD))

第一个将打印匹配项，而第二个返回

None

，为什么？因为“Unicode单词边界”包含一组用于区分单词边界的规则，而默认python单词边界将其定义为任何非\w字符（仍然是Unicode字母数字）

在本例中，

3.4

被python的默认单词边界分割，因为存在一个

\W

字符，即句点，因此它是单词边界。对于Unicode字边界， 一条规则规定“禁止打断”。“示例”为“3.4”，因此该句点不被视为单词边界

请参见此处的所有Unicode单词边界规则：

结论:

---

它们都可以使用Unicode或您的

语言环境

，但是

WORD

标志除了提供

\W

的空字符串外，还提供了一组额外的规则来区分单词边界，因为“单词定义为单词字符序列[

\W

]”.

您可以判断的方法是使用非Unicode正则表达式模拟

（？：（？：^|（？@sln no………..Python regex将Unicode与
\w
正确匹配，正如文档所说，该标志只影响
\b
。我建议您退出此参数。我猜WORD不会正确影响边界，除非您能证明它。不管它的价值如何，您可以在此处看到相同的行为并注意默认的统计信息e除了全局外没有其他标志。我估计它使用的是re模块，但有一个Unicode标志不起任何作用，因此它可能是regex模块中的一个保留标志，以避免干扰任何东西。@sln regex101不适合这样做。我特别说过我使用的是第三方模块，而不是Python的stock
re
。这有区别。你确定那里定义了单词边界吗？我的意思是它看起来像很多
单词break
属性，不要与
\b
语法混淆。因此它是单词break属性。我可以告诉你，在
\b
构造中实现它是相当不可能的。在
\b
的非Unicode实现中，完成了在C语言中，它实际上是一个没有太多开销的字符串原语。在Unicode实现中，一旦定义了单词（它不仅仅是alnum属性，它是下划线表示的所有细节），这要复杂得多。是的，我明白了。我可以告诉你，正则表达式的实现者根本不会试图通过句子来实现这种复杂性。我可以看到那个做正则表达式的家伙在尝试它。你有没有看到他用在正则表达式中的一些bizarr语法，omg…是的，这可能就是为什么它不是标准正则表达式库中的一个选项python