java - 正则表达式删除了特殊字符

Question

我在使用正则表达式时遇到了以下问题：我编写了一个程序，它从一些文本（txt）文件中读取单词并写入另一个文件，每行写一个单词。

一切正常，除非读取的单词中有特殊字符ľščťžýáíé。正则表达式删除字符并拆分特殊字符所在的单词。

例如：
输入：

I am Jožo.

输出：

I
am
Jo
o

这是代码片段：

while( (line = br.readLine())!= null ){ 
  Pattern p = Pattern.compile("[\\w']+");
  Matcher m = p.matcher(line);
}

score 5 · Accepted Answer

而不是这个正则表达式：

Pattern.compile("[\\w']+")

使用基于 Unicode：

Pattern.compile("[\\p{L}']+")

这是因为默认情况下\\w，Java 中只匹配 ASCII 字符、数字 0-9 和下划线。

另一种选择是使用修饰符

Pattern.UNICODE_CHARACTER_CLASS

像这样：

Pattern.compile("[\\w']+", Pattern.UNICODE_CHARACTER_CLASS)

score -1 · Accepted Answer

\\w 仅匹配 az、AZ 和 0-9（英文字母加数字）如果您想接受除空格以外的任何字符作为单词的一部分，请使用 \\S

2 回答 2