特殊字符的Java正则表达式

Question

我有从文本中提取 #hashTag 的简单方法:

private String[] buildHashTag(String str) {
        ArrayList<String> allMatches = new ArrayList<String>();
        Matcher m = Pattern.compile("(#\\w+)\\b").matcher(str);
        while (m.find()) {
            allMatches.add(m.group());
        }
        return allMatches.toArray(new String[0]);
    }

问题是如果我发送带有特殊字符的字符串，例如字符串“POMERANČ”。

测试:输入:

#Orange in Czech language mean #pomeranč :-)

输出:

[#Orange]

但是失败了，输出必须是[#Orange, #pomeranč]。你能告诉我，错误的代码在哪里吗？帮我。谢谢。

Answer 1

添加Pattern.UNICODE_CHARACTER_CLASS修饰符或使用 Pattern.compile("(?U)(#\\w+)\\b")。否则，\b 和 \w 不匹配所有 Unicode 字符。

When this flag is specified then the (US-ASCII only) Predefined character classes and POSIX character classes are in conformance with Unicode Technical Standard #18: Unicode Regular Expression Annex C: Compatibility Properties.

这里是 a demo :

String str = "#Orange in Czech language mean #pomeranč :-)";
ArrayList<String> allMatches = new ArrayList<String>();
Matcher m = Pattern.compile("(?U)(#\\w+)\\b").matcher(str);
//                           ^^^^
while (m.find()) {
    allMatches.add(m.group());
}
System.out.println(Arrays.toString(allMatches.toArray()));

输出:[#Orange, #pomeranč]