这个正则表达式在 Java 中是什么意思？

Question

我们正在调试一些旧代码并遇到了这个语句，有人知道它在做什么吗？

String value=...
value.toLowerCase(Locale.ENGLISH).split("[^\\w]+");

Answer 1

答案是它做很多事情相当天真。 为什么他们会使用单词字符[^\w]的否定字符 class 来获得在简单\W中更易读的内容？ 没有任何意义。

再加上语言环境的愚蠢表明他们一定害怕他们在土耳其，因为除了土耳其语和阿塞拜疆语之外，我不知道任何其他语言环境，在这些地方的大小写上有所不同。 通常 LATIN CAPITAL LETTER I 小写为 LATIN SMALL LETTER I，如您所料，但在突厥语中，它小写 LATIN SMALL LETTER DOTLESS I。

即使这样，除非仅在\W中使用\w ，除非他们使用嵌入的"(?U)"标志。事物。 您必须使用"(?U)" ，否则，如果您实际上正在编译模式，则使用UNICODE_CHARACTER_CLASSES标志。 这两个都需要 Java 7。在此之前，Java 比仅仅用像这样的正则表达式字符类快捷方式处理 Unicode 更糟糕。 它实际上是误导、错误和有害的。

否则，笨蛋会认为像naïvely这样的常规英语单词有两个由非单词序列分隔的单词。 这是超级愚蠢的。

因此，在回答您的问题时，我认为它并没有像作者认为的那样做。 我向你保证它已经坏了，除非它完全是 ASCII 文本。 请参阅此处了解 Java 7 之前发生的地狱般的事情以及您必须采取哪些措施来解决这些问题，并参阅此处了解 Java 7 带来的一些内容。

Answer 2

它似乎被非单词字符的子字符串（由[^\w]表示）拆分为单词。

Answer 3

在每组非单词字符上单独设置字符串。 单词字符是字母、数字或下划线。 字符串拆分为其他任何组。