2

对于我希望匹配变音符号的名称，我有一个正则表达式。这是我的代码中以 test.java:191 开头的日志记录片段：

Util.Log("text = " + text);
Util.Log("regex = " + regex);
Util.Log("regexorig = " + regexorig);
Util.Log("Matches static: " + Pattern.matches(text,  regex));
Pattern p1 = Pattern.compile(regex);
Util.Log("Matches p1: " + p1.matcher(text).matches());
Pattern p2 = Pattern.compile(regexorig, Pattern.UNICODE_CASE | Pattern.CASE_INSENSITIVE);
Util.Log("Matches p2: " + p2.matcher(text).matches());
Util.Log("String matches: " + text.matches(regex));

这是我使用输入“ü”时的输出：

LOG: (test.java:191):text = ü
LOG: (test.java:192):regex = (?iu)[A-Z][A-Z0-9 \-.',]*
LOG: (test.java:193):regexorig = [A-Z][A-Z0-9 \-.',]*
LOG: (test.java:194):Matches static: false
LOG: (test.java:196):Matches p1: false
LOG: (test.java:198):Matches p2: false
LOG: (test.java:199):String matches: false

我似乎无法使变音符号不敏感的正则表达式匹配工作。这是Android错误还是我错过了什么？根据文档，对于不区分大小写的 Android 字符串，UNICODE_CASE 始终处于启用状态，所以我什至不需要它（真的不知道为什么会这样，但这是另一个讨论的问题）。

4

1 回答 1

2

A-Z仍然只匹配 ASCII 字母。

请改用 Unicode 属性\p{L}（任何 Unicode 字母字符）。这样，您甚至不需要ioru修饰符。像：

\p{L}[\p{L}0-9 \-.',]*

不过，可能还有一个问题。在 Unicode 中，带有变音符号的字符也可以由多个字符表示。例如á，可以是单个 Unicode 字符 ( U+00E1 )，也可以是a( U+0061 ) 后跟一个组合标记´( U+0301 )。\p{L}仅匹配独立字符，但不匹配组合标记。因此，为了同时捕获这些情况，您可能还希望将组合标记的 Unicode 属性插入到重复中：

\p{L}[\p{L}\p{M}0-9 \-.',]*

工作演示。

于 2013-06-30T00:49:04.007 回答