在 GAS 中,我可以正确地将重音符号与具有边界字符的正则表达式相匹配,例如 \bà\b。仅当字符 à 是单独的单词时才匹配。这在 GAS 中有效:
function test_regExp() {
var str = "la séance est à Paris";
var RegExp = "\\bà\\b";
var PatReg= new RegExp( RegExp);
var found=PatReg.exec(str);
if (found) {
Logger.log( [str.substring(0,found.index),found[0],str.substring(found[0].length+found.index)] );
} else Logger.log("oops! Did not match");
在 BigQuery 中,如果边界字符位于重音符号旁边,则模式不匹配。 \bséance\b 匹配降神会:
SELECT [row],etext,ftext FROM [hcd.hdctextx] WHERE (REGEXP_MATCH(ftext,"\\bséance\\b") ) LIMIT 100;
\bà\b 与单词 à 不匹配:
SELECT [row],etext,ftext FROM [hcd.hdctextx] WHERE (REGEXP_MATCH(ftext,"\\bà\\b") ) LIMIT 100;
我假设 BigQuery 与 GAS 不同,在边界字符集中包含重音符号。所以 \bséance\b 起作用是因为 é 可以在该配置中作为边界正常工作。 \bà\b 或 \bétranger\b 或 \bmarché\b 不起作用,因为重音 + \b 被解释为 \b\b,它从不匹配任何内容。 (好吧,我在这里抓住救命稻草,因为我找不到更好的解释......除了一个错误。)
我不认为这是一个 unicode 问题,因为它只出现在边界位置。
因此,目前还无法在这些特定的重音配置中使用边界。
有没有办法在 BigQuery 或其他修复中设置区域设置?
解决方法:用 (?:[^a-zA-Zéàïëâê]) 等替换 \b。
Thanks!