正则表达式：如何使Java将波兰字母视为普通\\ w？

Question

Java将波兰字母视为ó而不是字母\\w 。 现在，我不知道如何编写正则表达式来完成以下所有单元测试。

如何更改BEFORE_LANGUAGE和AFTER_LANGUAGE以完成测试：

import java.util.regex.Matcher;
import java.util.regex.Pattern;

import org.junit.Test;

import junit.framework.TestCase;

public class tmpTest extends TestCase{

    final String BEFORE_LANGUAGE = "(?<![\\w\\p{S}])";
    final String AFTER_LANGUAGE = "\\d*((?![\\w\\p{S}])|(<))";


    @Test
    public void test1() {
        // Given:
        String language = ".net";
        String text = "xxxxxxx xxx .net";
        String regex = BEFORE_LANGUAGE + Pattern.quote(language) + AFTER_LANGUAGE;

        // When: 
        Matcher m = Pattern.compile(regex).matcher(text);

        // Then:
        assertTrue(m.find());
    }

    @Test
    public void test2() {
        // Given:
        String language = ".net";
        String text = "xxxxxxx xxx .net<br>";
        String regex = BEFORE_LANGUAGE + Pattern.quote(language) + AFTER_LANGUAGE;

        // When: 
        Matcher m = Pattern.compile(regex).matcher(text);

        // Then:
        assertTrue(m.find());
    }

    @Test
    public void test3() {
        // Given:
        String language = "c++";
        String text = "xxxxxxx xxx c++";
        String regex = BEFORE_LANGUAGE + Pattern.quote(language) + AFTER_LANGUAGE;

        // When: 
        Matcher m = Pattern.compile(regex).matcher(text);

        // Then:
        assertTrue(m.find());
    }

    @Test
    public void test4() {
        // Given:
        String language = "c";
        String text = "xxxxxxx xxx c++";
        String regex = BEFORE_LANGUAGE + Pattern.quote(language) + AFTER_LANGUAGE;

        // When: 
        Matcher m = Pattern.compile(regex).matcher(text);

        // Then:
        assertFalse(m.find());
    }

    @Test
    public void test5() {
        // Given:
        String language = "r";
        String text = "xxxxxxx xxx różne";
        String regex = BEFORE_LANGUAGE + Pattern.quote(language) + AFTER_LANGUAGE;

        // When: 
        Matcher m = Pattern.compile(regex).matcher(text);

        // Then:
        assertFalse(m.find());
    }

    @Test
    public void test6() {
        // Given:
        String language = "r";
        String text = "xxxxxxx xxx r";
        String regex = BEFORE_LANGUAGE + Pattern.quote(language) + AFTER_LANGUAGE;

        // When: 
        Matcher m = Pattern.compile(regex).matcher(text);

        // Then:
        assertTrue(m.find());
    }

}

Answer 1

根据这里 ， \\p{IsAlphabetic}匹配Unicode中被视为字母的任何内容。

\\w还包括0-9 ，因此您也需要将\\d放在字符类中。

所以，

[\p{IsAlphabetic}\d]

Answer 2

要使\\w和其他速记字符类能够Pattern.UNICODE_CHARACTER_CLASS Unicode，请将Pattern.UNICODE_CHARACTER_CLASS标志传递给已编译的模式：

Pattern.compile(regex, Pattern.UNICODE_CHARACTER_CLASS).matcher(text);

无需重写当前模式。