\b and accented letters\b et les lettres accentuées

The accents page showed how you can overcome the limitations of \w by using \p{L} instead, which does include accented letters. \b has no such way out: it stays defined by \w whether or not the u flag is on, and there is no Unicode property to put in its place.

The consequence is concrete, and easier to see than to explain. Figure 1figure 1 shows one sentence twice, with the word boundaries a reader sees above and the ones \b sees below. Since “é” and the other accented letters are not word characters for \b, three things happen:

• An accented letter at the start or end of a word removes the boundary on that side, whether it touches a space (“thé”, “à”) or punctuation (the apostrophe in “l’été”, the comma after it): between two characters that are not word characters, \b sees no boundary.
• An accented letter inside a word puts a boundary on each side of it, where there is none (“très”, “hôtel”, the “t” of “été”).
• Words without accents (“un”, “chaud”) are delimited correctly.

A search for a whole word shows it most directly. Between two \b, a word without accents is found as intended, but a word ending in “é” is not, and its letters are found at the start of a longer word instead (the examples are French words):

Il a été très fier. Son thé est là. Elle dit que non. Le mot 'car' aussi.

Il a été très fier. Son thé est là. Elle dit que non. Le mot 'car' aussi.

La page sur les accents a montré comment contourner les limites de \w en utilisant \p{L}, qui inclut les lettres accentuées. Le \b, lui, n’a pas d’échappatoire : il reste défini par \w, que le drapeau u soit actif ou non, et il n’existe aucune propriété Unicode pour le remplacer.

La conséquence est concrète, et elle se voit mieux qu’elle ne s’explique. La Figure 1figure 1 montre deux fois la même phrase, avec les limites de mot que voit un lecteur en haut et celles que voit \b en bas. Comme « é » et les autres lettres accentuées ne sont pas des caractères de mot pour \b, trois choses se produisent :

• Une lettre accentuée au début ou à la fin d’un mot efface la limite de ce côté, qu’elle touche une espace (« thé », « à ») ou une ponctuation (l’apostrophe de « l’été », la virgule qui le suit) : entre deux caractères qui ne sont pas des caractères de mot, \b ne voit pas de limite.
• Une lettre accentuée au milieu d’un mot place une limite de chaque côté, là où il n’y en a pas (« très », « hôtel », le « t » d’« été »).
• Les mots sans accent (« un », « chaud ») sont délimités correctement.

La recherche d’un mot entier le montre le plus directement. Entre deux \b, un mot sans accent est trouvé comme prévu, mais un mot qui finit par « é » ne l’est pas, et ses lettres sont trouvées au début d’un mot plus long à la place :

Il a été très fier. Son thé est là. Elle dit que non. Le mot 'car' aussi.

Il a été très fier. Son thé est là. Elle dit que non. Le mot 'car' aussi.