正则表达式 \b 和 \B 辨析

我想很多初学正则表达式的人都会跟我一样，一开始在接触到 \b 的时候，由于一些例子错误引导，可能会认为跟正则表达式的另一个元字符 ^ 是一样的，都是匹配单词开头的，其实不然，不信，我们来举个例子。

如果正文的内容是这样的：

-simowce go: Hello, steve jobs
-steve jobs: Hey, simowce. Hope you can change the world

接下来我们要匹配句子开头的 -simowce ，我们使用 grep 来进行匹配，输入如下的命令：

grep "\b-simowce"

结果是什么？你可能会很惊奇，什么都没有输出！这说明了 \b 和 ^ 是有根本性的区别的，下面我来详解一下：

\b 里面 b 代表着 word boundry ，那么什么可以被成为 word boundry 呢，有以下三种：

1. 字符串的首字符，如果该首字符属于 word character
2. 字符串的尾字符，如果该尾字符属于 word character
3. 字符串的中间两个字符，其中一个属于 word character，另一个不属于 word character

说明一下，一般而言 word character 就相当于 \w ，即 [0-9A-Za-z_] ，不过似乎有一些还有拓展。

还有，\b 匹配的是位置，所以它是不占用长度的。这一点很重要！

有了这一些说明了之后，我们就 可以解释上面的奇异现象了！

关键点就在于，**-** 不属于 word character 所以即使 - 是字符串的首字符，\b 还是会把它跳掉。

至于 \B，就是与 \b 相反，即 \b 不能匹配的地方 \B 就能匹配。

我们来看一个例子，正文的内容如下：

Please enter the nine-digit id as it
appears on your color - code pass-key

然后我们的命令是：

grep "\B-\B"

你可以猜一下结果是什么，没错，只有color - code 中的那个 - 匹配到了。

原因就是，当正则表达式引擎匹配到 color - code 的那个 - 的时候，此时 - 前面是一个空格，属于 word character ，而 - 不属于 word character ，所以符合了 \B 的要求，又因为 \B 不占用长度，所以此时是用 color - code 去匹配 \B 后面的 - 的 ，然后后面的那一个 \B 一样的道理，就不赘述了。

至此，说明完毕！

EOF