☰

У regex_replace_all в expl3 есть проблема с немецкой буквой ß, почему?

tag-icon • tag-icon expl3 german l3regex
У regex_replace_all в expl3 есть проблема с немецкой буквой ß, почему?

РЕДАКТИРОВАТЬ:Решение дляэтотпроблема ниже.

Я пытаюсь выполнить прямую замену целых слов в тексте, но, похоже, использование regex_replace_allне работает должным образом, поскольку не находит слова, заканчивающиеся на ß.

Я не хочу использовать "s" вместо ßв тексте, который должен быть заменен сам, хотя это работает!

Как MWE:

\documentclass{article}
\usepackage[utf8]{inputenc}

\ExplSyntaxOn
\newcommand{\replaceText}[1]{%
    \f_replace_text:n { #1 }
}

\tl_new:N \l_replace_text_tl
\tl_new:N \l_replace_a_tl
\tl_new:N \l_replace_b_tl

\cs_new_protected:Npn \f_replace_text:n #1 {%
    \tl_set:Nn \l_replace_text_tl { #1 }
    \f_replace:
    \tl_use:N \l_replace_text_tl
}

\cs_new_protected:Npn \f_replace: {%
%
    \tl_set:Nn \l_replace_a_tl { Grieß }
    \tl_set:Nn \l_replace_b_tl { Mehl }
    \regex_replace_all:nnN { \b\u{l_replace_a_tl}\b } { \u{l_replace_b_tl} } \l_replace_text_tl
%
    \tl_set:Nn \l_replace_a_tl { Grießmenge }
    \tl_set:Nn \l_replace_b_tl { Mehlmenge }
    \regex_replace_all:nnN { \b\u{l_replace_a_tl}\b } { \u{l_replace_b_tl} } \l_replace_text_tl
%
    \tl_set:Nn \l_replace_a_tl { some }
    \tl_set:Nn \l_replace_b_tl { more }
    \regex_replace_all:nnN { \b\u{l_replace_a_tl}\b } { \u{l_replace_b_tl} } \l_replace_text_tl
%
}
\ExplSyntaxOff

\begin{document}
    \noindent Writing some text.
    \replaceText{Replacing some text.}
    \replaceText{Forgetting to replace Grieß.}
    \replaceText{But not forgetting to replace Grießmenge.}
\end{document}

Это производит:

Пишу текст. Заменяю еще текст. Забываю заменитьГрисс. Но не забываем заменить Мельменге.

Однако я ожидал:

Пишу текст. Заменяю еще текст. Забываю заменитьМель. Но не забываем заменить Мельменге.

Почему это происходит и как это предотвратить? Я пробовал несколько способов экранирования символа в регулярном выражении, но мне не удалось заставить это работать.

РЕДАКТИРОВАТЬ: В этом случае, следующие дополнения заставляют это работать: замена всех вхождений ß на его лигатуру "s перед использованием других команд регулярных выражений, которые затем используют только лигатуру "s (внутри поиска, не обязательно в замене), а затем изменение их обратно в конце:

\tl_new:N \l_replace_utf_tl
\tl_new:N \l_replace_ligature_tl

\cs_new_protected:Npn \f_replace_text:n #1 {%
    \tl_set:Nn \l_replace_text_tl { #1 }
    
    \tl_set:Nn \l_replace_utf_tl { ß }
    \tl_set:Nn \l_replace_ligature_tl { "s }
    \regex_replace_all:nnN { \u{l_replace_utf_tl} } { \u{l_replace_ligature_tl} } \l_replace_text_tl
    
    \f_replace:
    
    \regex_replace_all:nnN { \u{l_replace_ligature_tl} } { \u{l_replace_utf_tl} } \l_replace_text_tl
    
    \tl_use:N \l_replace_text_tl
}

решение1

Проблема в том, что для соответствия должна быть граница слова \b, что означает изменение с \w-класса на \Wили наоборот.

Но l3regexв настоящее время не поддерживает полный unicode. Класс \wсодержит только ascii [A-Za-z0-9\_]. Это означает, что ß(или, точнее, два байта, составляющие ß) принадлежит \W, а также точка и поэтому Grieß.не совпадает.

Связанный контент