Немецкие Umlaute и регулярные выражения

Question

Я столкнулся с этим странным явлением суровых времен. Если я использую ifstream для подачи программы с содержимым файла и применяю регулярное выражение к входящим словам, немецкие буквы ä ö ü предоставляют мне некоторые трудности. Если какой-либо из них появляется в начале слова, регулярное выражение не может распознать их, но не в том случае, если какое-либо из этих букв появляется внутри слова. Таким образом, эти строки

string word = "über"; 
regex check {R"(\b)" + word + R"(\b)", regex_constants::icase}; 
string search = "Es war genau über ihm."; 

не работает, потому что регулярное выражение не находит über в поиске строк. Однако

string word = "für"; 
regex check {R"(\b)" + word + R"(\b)", regex_constants::icase}; 
string search = "Es war für ihn."; 

будет работать, потому что ü появляется в слове. Почему это и как я могу это исправить? Я подумал о замене каждого ü на ue и каждого ä ae и каждого ö by oe, а затем отменить замену, но есть ли еще одна возможность? Я работаю с Visual Studio 2015.

Answer 1

Вместо этого используйте regex check {"(^|[\\x60\\x00-\\x2f\\x3a-\\x40\\x5b-\\x5e\\x7b-\\x7e])über($|[\\x60\\x00-\\x2f\\x3a-\\x40\\x5b-\\x5e\\x7b-\\x7e])", regex_constants::icase};.

По умолчанию грамматика регулярного выражения C++ похожа на JavaScript. \b doesn't support Unicode.

And from microsoft.com:

Слово Boundary

слово граница возникает в следующих ситуациях:

• Текущий символ в начале последовательности-мишени и один из текстовые символы A-Za-z0-9_.

• Текущее положение символа проходит через конец целевой последовательности, а последний символ в целевой последовательности является одним из символов слова .

• Текущий символ является одним из символов слова, а предыдущий символ - нет.

• Текущий символ не является символом слова и предшествующим символом.