如何使用\ w和\ b等價物在Java正則表達式中處理Unicode字符？

Java 正規表示式中 w 和 b 的 Unicode 等價物？

Java 的 Perl 風格字元類別捷徑（w、b、s）的實作等）僅限於 ASCII 字元。要正確匹配 Unicode 字符，您需要更好的方法來重寫這些快捷方式。

解：

利用自訂函數重寫以下 charclass 轉義：

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

重寫定義：

\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*)

邊界考量：

Java 的b 和B 不僅僅與w 綁定定。使用A(?:AB|BC) 構造重寫的b 可以搜尋邊界，其中：

• IF 跟隨單字==>; THEN 不位於單字
• ELSIF 不位於單字==> 之後THEN 在單字

使用A(?:BC|AB) 構造重寫的 B之前可以搜尋非邊界，其中：

• IF 跟隨單字 ==>; THEN 確實在單字
• ELSIF 後面不跟在單字 ==> 後面THEN不位於單字之前

完整重寫功能：

取得原始程式碼以獲得上述的完整重寫功能。

額外功能：

• 邏輯碼點中的 Unicode字元輸入
• 自然語言單字、破折號、連字號和撇號的便利定義
• 正規表示式的增強字串轉義的轉義和取消轉義

以上是如何使用\ w和\ b等價物在Java正則表達式中處理Unicode字符？的詳細內容。更多資訊請關注PHP中文網其他相關文章！