Wie kann ich die Unicode-Unterstützung in regulären Java-Ausdrücken für \w und \b verbessern?

Unicode-Äquivalente für w und b in regulären Java-Ausdrücken

Javas Regex-Implementierung bietet nur begrenzte Unterstützung für Unicode, was es schwierig macht, Wörter oder zuzuordnen Wortgrenzen genau. Die standardmäßigen W- und B-Escapezeichen entsprechen nur ASCII-Zeichen.

Um dieses Problem zu beheben, sollten Sie die Verwendung einer Funktion in Betracht ziehen, die diese Escapezeichen neu schreibt und sie durch Unicode-fähige Definitionen ersetzt. Diese Funktion kann die folgenden 14 Zeichenklassen-Escapezeichen umschreiben:

\w \W \s \S \v \V \h \H \d \D \b \B \X \R

Umgeschriebene Escape-Definitionen:

• w: Erfasst Buchstaben, Ziffern und bestimmte Satzzeichen (p{L}pMp{Nd}p{Nl}p{Pc}[p{InEnclosedAlphanumerics}&&p{So}]])
• W: Schließt alle mit w übereinstimmenden Zeichen aus
• s: Entspricht Unicode-Leerzeichen ([u0009-u000Du0020u0085u00A0u1680u180Eu2000-u200Au2028u2029u202Fu205Fu3000])
• S: Schließt alle mit s übereinstimmenden Zeichen aus
• v: Entspricht Unicode-Vertikal Leerzeichen ([u000A-u000Du0085u2028u2029])
• V: Schließt alle mit v übereinstimmenden Zeichen aus
• h: Entspricht dem horizontalen Unicode-Leerzeichen ([u0009u0020u00A0u1680u180Eu2000-u200Au202Fu205Fu3000])
• H: Schließt alle mit h übereinstimmenden Zeichen aus
• d: Entspricht Unicode-Ziffern (p{Nd})
• D: Schließt alle mit d übereinstimmenden Zeichen aus.
• b: Entspricht Wortgrenzen unter Berücksichtigung nur von Unicode-Wortzeichen.
• B: Entspricht Nicht-Wortgrenzen unter Berücksichtigung von Unicode-Wortzeichen.
• X: Entspricht erweiterten Graphemen Cluster
• R: Entspricht Zeilenumbrüchen, einschließlich Unicode-Zeile Pausen

Grenzdefinitionen:

Grenzfluchten (b und B) können mit der folgenden Logik umgeschrieben werden:

• b : (?:(?<=w)(?!w)|(?
• B: (?:(?<=w)(?= w)|(?

Java reparieren mit Java:

Diese Funktion kann in Java mithilfe des im ursprünglichen Diskussionsthread bereitgestellten Codes implementiert werden. Mithilfe dieses Codes können Sie Regex-Muster neu schreiben, um Unicode-Zeichen besser zu verarbeiten.

Hinweis:
In Java 7 führt die Pattern-Klasse das Flag UNICODE_CHARACTER_CLASS ein, das die Unicode-Unterstützung für ermöglicht diese Escapes standardmäßig.

Das obige ist der detaillierte Inhalt vonWie kann ich die Unicode-Unterstützung in regulären Java-Ausdrücken für \w und \b verbessern?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!