使用utf8格式的正則表達式過濾字符串

Question

我試圖過濾掉特殊字符的字符串並將其轉換為小寫字符。 例如： "Good morning!" 變成了good morning 。
我正在將一個字符串傳遞給我的函數。
我正在成功過濾我的英語字符串，但是當我傳遞的是我母語的字符串時，我遇到了問題。
如果我想包含所有utf-8字符，我應該使用什么類型的正則表達式過濾器字符串？

#include <string>
#include <iostream>
#include <regex>
#include <algorithm>

std::string process(std::string s) {
    std::string st;
    std::regex r(R"([^\W_]+(?:['_-][^\W_]+)*)");
    std::sregex_iterator i = std::sregex_iterator(s.begin(), s.end(), r);
    std::smatch m = *i;
    st = m.str();
    std::transform(st.begin(), st.end(), st.begin(), ::tolower);
    return st;
}

int main() {
    std::string st = "ąžuolas!";
    std::cout << process(st) << std::endl; // <- gives: uolas
    return 0;
}

Answer 1

您可以使用正則表達式\\p{L}\\p{M}*匹配任何unicode“字母”字符。

因此，完整的正則表達式將是：

((?:\p{L}\p{M}*)+(?:['_-](?:\p{L}\p{M}*)+)*)

演示

資源