Wie kann ich Unicode-fähige reguläre Ausdrücke in Java erstellen?

Unicode-Äquivalente für w und b in regulären Java-Ausdrücken

Die Regex-Implementierung von Java verwendet nicht die Abkürzungen der w-Zeichenklasse für „jeden Buchstaben“. , Ziffer oder verbindende Satzzeichen“ wie andere Implementierungen auch. Dies erschwert die Zuordnung von Unicode-Wörtern. Das Problem erstreckt sich auf das Worttrennzeichen „b“, das in Java ebenfalls inkonsistentes Verhalten zeigt.

Unicode-fähige Äquivalente

Um diese Probleme zu beheben, kann man ein Regex-Muster neu schreiben unter Verwendung der folgenden Ersetzungen:

• w: [pLpMp{Nd}p{Nl}p{Pc}[p{InEnclosedAlphanumerics}&&p{So}]]
• b: (?:(?

Andere Unicode-Eigenschaften

Zusätzlich zu w und b fehlt den regulären Ausdrücken von Java die Unicode-fähige Unterstützung für andere Eigenschaften. Diese Eigenschaften können jedoch durch die Verwendung der p-Syntax erweitert werden, wie unten gezeigt:

Java Syntax	Unicode Property
p{Lower}	Unicode Lowercase
p{Upper}	Unicode Uppercase
p{ASCII}	ASCII
p{Alpha}	Unicode Alphabetic
p{Digit}	Unicode Digit
p{Alnum}	Unicode Alphanumeric
p{Punct}	Unicode Punctuation
p{Graph}	Unicode Graph
p{Print}	Unicode Printable
p{Blank}	Unicode Blank
p{Cntrl}	Unicode Control
p{XDigit}	Unicode Hexadecimal Digit
p{Space}	Unicode Space

Unicode-fähiger Regex

Durch die Einbindung dieser Unicode-fähigen Ersatzstoffe man kann Regex-Muster erstellen, die Unicode-Daten genau verarbeiten. Das folgende Muster stimmt beispielsweise mit Unicode-Wörtern überein:

Pattern pattern = Pattern.compile("\w+"); // Unicode-aware \w equivalent

Dieses Muster kann verwendet werden, um Wörter in Textzeichenfolgen abzugleichen, unabhängig davon, ob die Zeichen ASCII- oder Unicode-codiert sind.

Das obige ist der detaillierte Inhalt vonWie kann ich Unicode-fähige reguläre Ausdrücke in Java erstellen?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!