Java正则表达式的特殊字符

Question

我有从文本中提取#hashTag简单方法：

private String[] buildHashTag(String str) {
        ArrayList<String> allMatches = new ArrayList<String>();
        Matcher m = Pattern.compile("(#\\w+)\\b").matcher(str);
        while (m.find()) {
            allMatches.add(m.group());
        }
        return allMatches.toArray(new String[0]);
    }

问题是如果我发送带有特殊字符的字符串，例如字符串“POMERANČ”。

测试：INPUT：

#Orange in Czech language mean #pomeranč :-)

OUTPUT：

[#Orange]

但它是FAIL，输出必须是[#Orange, #pomeranč] 。 你能告诉我，错误的代码在哪里？ 帮我。 谢谢。

Answer 1

添加Pattern.UNICODE_CHARACTER_CLASS修饰符或使用Pattern.compile("(?U)(#\\\\w+)\\\\b") 。 否则， \\b和\\w与所有Unicode字符都不匹配。

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

这是一个演示 ：

String str = "#Orange in Czech language mean #pomeranč :-)";
ArrayList<String> allMatches = new ArrayList<String>();
Matcher m = Pattern.compile("(?U)(#\\w+)\\b").matcher(str);
//                           ^^^^
while (m.find()) {
    allMatches.add(m.group());
}
System.out.println(Arrays.toString(allMatches.toArray()));

输出： [#Orange, #pomeranč]

Answer 2

使用否定字符类代替

/#[^ ]+/

• [^ ]+否定字符类，匹配空格以外的任何内容，实际上匹配字符直到下一个空格

正则表达式演示