具有异常unicode字符和单词边界的RegEx模式

Question

我遇到有关RegEx模式的问题，希望有人能向我解释一下：

任务是匹配对象名称，并将其从存储在对象字段之一中的描述中删除。 我尝试了以下表达式：

    final String description= object.getDescrition();
    final Matcher descriptionMatcher=
        Pattern.compile("\\b" + object.getName() + "\\b", Pattern.UNICODE_CASE | Pattern.CASE_INSENSITIVE)
            .matcher(description);

一切正常，直到代码遇到添加到名称的“注册商标”符号为止： String name = ObjectName®

如果我删除了最后一个单词的边界，它将再次匹配。 出现这种现象的原因是什么，如何改进此代码以找到每种特殊情况？

注 ：该商标标志不从通过空间对象名称分开。

Answer 1

在这种情况下，请将您的模式更改为：

"\\b\\Q" + object.getName() + "\\E(?<=\\b|®)"

如果您需要处理更复杂的情况，请在环顾四周使用替代字词，而不要使用单词边界。 例：

"(?<=\\s|^)\\Q" + object.getName() + "\\E(?=\\s|$)"

要么

"(?<=\\s|^)" + Pattern.quote(object.getName()) + "(?=\\s|$)"

Answer 2

®字符不被视为文字字符，因此您的Pattern将不匹配。

如果只有这种情况，一种快速而肮脏的解决方案是将它与单词border交替使用：

Pattern.compile("\\b" + object.getName() + "\\b|®"