Java Regex模式可匹配所有以空格结尾的所有语言中的字符串

Question

基本上，我需要匹配以字符串中的字符开头的单词。 以下是一个示例：

I am trying to match #this_word but ignore the rest.

我还需要正则表达式来匹配来自不同语言的字符。 我尝试了这个：

#\\s*(\\w+)

但错误，它仅包含英语单词。

当我尝试如下的正则表达式时：

#(?>\\p{L}\\p{M}*+)+

我得到了outofboundsexception 。

编辑

显然，我曾经得到该错误的原因是因为我写道：

 matcher.group(1);

代替：

 matcher.group(0);

Answer 1

如果您不关心数字，只需在模式前添加(?U)标志 ：

UNICODE_CHARACTER_CLASS
public static final int UNICODE_CHARACTER_CLASS

启用Unicode版本的预定义字符类和POSIX字符类 。

指定此标志后，（仅US-ASCII）预定义字符类和POSIX字符类符合Unicode技术标准＃18：Unicode正则表达式附件C：兼容性属性。

还可以通过嵌入式标志表达式(?U)启用UNICODE_CHARACTER_CLASS模式。

该标志表示UNICODE_CASE ，即，它启用了支持Unicode的大小写折叠。

正则表达式：

Pattern ptrn = Pattern.compile("(?U)#\\w+");

见IDEONE演示

实际上，您可以使用[\\\\w&&[^\\\\d]]从\\w减去数字以仅匹配下划线和Unicode字母：

Pattern ptrn = Pattern.compile("#[\\w&&[^\\d]]+", Pattern.UNICODE_CHARACTER_CLASS);

另一个演示

另外，要匹配任何Unicode字母，您可以使用\\p{L}\\p{M}*+子模式（ \\p{L}是基本字母， \\p{M}与变音符号匹配）。 因此，要只匹配#之后的字母，可以使用#(?>\\p{L}\\p{M}*+)+ 。

要还支持匹配下划线，请将其添加为替代项： #(?>\\p{L}\\p{M}*+|_)+ 。

如果您不关心变音符号在哪里，请仅使用字符类： #[\\p{L}\\p{M}_]+ 。

观看此IDEONE演示 ：

String str = "I am trying to match #эту_строку but ignore the rest.";
Pattern ptrn = Pattern.compile("#(?>\\p{L}\\p{M}*+|_)+");
Matcher matcher = ptrn.matcher(str);
while (matcher.find()) {
    System.out.println(matcher.group(0));
}

Answer 2

您可以使用以下代码捕获所有Unicode字母（与\\p{L}类匹配）：

String ss="I am trying to match #this_word but ignore the rest.";
        Matcher m =Pattern.compile("#(\\p{L})+",Pattern.CASE_INSENSITIVE).matcher(ss);
        while (m.find()) {            
            System.out.println(m.group());
        }

Answer 3

使用以下模式：

 #[^\s]+

这可能有效。 它将匹配给定String中的每个非空格字符。