如何使用 \w 和 \b 等效项处理 Java 正则表达式中的 Unicode 字符？

Java 正则表达式中 w 和 b 的 Unicode 等价物？

Java 的 Perl 风格字符类快捷方式（w、b、s）的实现等）仅限于 ASCII 字符。要正确匹配 Unicode 字符，您需要更好的方法来重写这些快捷方式。

解决方案：

利用自定义函数重写以下 charclass 转义：

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

重写定义：

\s => [^\u0009-\u000D\u0020\u0085\u00A0\u1680\u180E\u2000-\u200A\u2028\u2029\u202F\u205F\u3000]
\S => [^\u0009-\u000D\u0020\u0085\u00A0\u1680\u180E\u2000-\u200A\u2028\u2029\u202F\u205F\u3000]

\v => [\u000A-\u000D\u0085\u2028\u2029]
\V => [^\u000A-\u000D\u0085\u2028\u2029]

\h => [\u0009\u0020\u00A0\u1680\u180E\u2000-\u200A\u202F\u205F\u3000]
\H => [^\u0009\u0020\u00A0\u1680\u180E\u2000\u2001-\u200A\u202F\u205F\u3000]

\w => [\pL\pM\p{Nd}\p{Nl}\p{Pc}[\p{InEnclosedAlphanumerics}&&\p{So}]]
\W => [^\pL\pM\p{Nd}\p{Nl}\p{Pc}[\p{InEnclosedAlphanumerics}&&\p{So}]]

\b => (?:(?<=[a-z0-9])(?![a-z0-9])|(?<![a-z0-9])(?=[a-z0-9]))
\B => (?:(?<=[a-z0-9])(?=[a-z0-9])|(?<![a-z0-9])(?![a-z0-9]))

\d => \p{Nd}
\D => \P{Nd}

\R => (?:(?>\u000D\u000A)|[\u000A\u000B\u000C\u000D\u0085\u2028\u2029])

\X => (?>\PM\pM*)

边界考虑：

Java 的 b 和 B 不仅仅与 w 绑定。使用 A(?:AB|BC) 构造重写的 b 可以搜索边界，其中：

• IF 跟随单词 ==>; THEN 不位于单词
• ELSIF 不位于单词 ==> 之后THEN 在单词

使用 A(?:BC|AB) 构造重写的 B 之前可以搜索非边界，其中：

• IF 跟随单词 ==>; THEN 确实在单词
• ELSIF 后面不跟在单词 ==> 后面THEN 不位于单词之前

完整重写功能：

获取源代码以获得上面提到的完整重写功能。

额外功能：

• 逻辑代码点中的 Unicode 字符输入
• 自然语言单词、破折号、连字符和撇号的便捷定义
• 正则表达式的增强字符串转义的转义和取消转义

以上是如何使用 \w 和 \b 等效项处理 Java 正则表达式中的 Unicode 字符？的详细内容。更多信息请关注PHP中文网其他相关文章！