ios - 用 \w 匹配非英文字符

Question

我正在尝试从 html 中提取一些名称。例如，字符串可能如下所示：

Doe, J

我使用的模式是：

\w+, \w

只要名称由英文字母组成，一切正常。相同的模式与西班牙语或波兰语名称不匹配：

Cortázar, J
Król, S

显然，具体的字符是有问题的。有什么想法可以使 \w 匹配这些字符吗？我查看了NSRegularExpression options，但我认为它不支持它。或者也许我错过了这里的重点，我应该想出更聪明的正则表达式？

Answer 1

问题之一\w是您需要将其放入一个所有反斜杠都正确转义的字符串中。

NSArray *names = @[@"Cortázar, J", @"Król, S", @"Don't Match This", @"Doe, J", @"Høegh, K"];

NSString *pattern = @"\\w+, \\w";
NSPredicate *pred = [NSPredicate predicateWithFormat: @"self MATCHES %@", pattern];

NSArray* result = [names filteredArrayUsingPredicate: pred];

它正确匹配名称，但在索引 2 处遗漏了“错误”字符串。

这表明您可以将字符串与 an 匹配， NSRegularExpression因为谓词引擎使用相同的正则表达式语法。

编辑添加：

如果您坚持NSRegularExpression直接使用 an，那么您可以使用更多代码看到它：

// The names and pattern variables taken from code above

NSError *error = NULL;
NSRegularExpression *regex = [NSRegularExpression regularExpressionWithPattern:pattern
                                                                       options:NSRegularExpressionCaseInsensitive
                                                                         error:&error];    

for (NSString *string in names) {

    NSRange rangeOfFirstMatch = [regex rangeOfFirstMatchInString:string options:0 range:NSMakeRange(0, [string length])];
    if (!NSEqualRanges(rangeOfFirstMatch, NSMakeRange(NSNotFound, 0))) {
        NSString *result = [string substringWithRange:rangeOfFirstMatch];
        NSLog(@"Match: '%@'", result);
    }
    else {
        NSLog(@"No match: '%@'", string);
    }
}

您将看到它与名称匹配，无论是纯 ASCII 还是各种欧洲重音字符，但它与字符串“Don't Match This”不匹配。

Answer 2

NSRegularExpression似乎没有很好地匹配 unicode 字符，你可以做的是将所有内容匹配到一个分隔符，我假设你有？

^(\X+?),$

这将创建一个包含您想要的结果的捕获组，它也应该与 unicode 匹配。

您还可以使用匹配的字符表达式\u或\p. 这可以在这里看到。这篇文章描述了它们。