java - 在正则表达式解析中处理 Unicode 单词

Question

我正在尝试获取一种印度语言(孟加拉语)中特定单词之前的所有单词。该技术对于英语非常有效，但对于孟加拉语却失败了:

Pattern p = Pattern.compile("([\\w\\s]+) ছবি", Pattern.UNICODE_CASE);
Matcher m = p.matcher("ক্যামেরাকে ছবি তোলা এবং ভিডিও রেকর্ড এর অনুমতি দেবেন");

while (m.find()) {
      System.err.println(m.group(1));
}

所以理想情况下，我试图将单词 ক্যামেরাকে 作为输出，它位于文本 ছবি তোলা এবং ভিডিও রেক之前র্ড...。顺便说一句，这是本例中的第一个单词，但情况可能并非如此。

我该怎么做？嗯，我正在尝试在 Android 上执行此操作。

编辑

在这里尝试 Java 解决方案:

谢谢!

Answer 1

将此用于孟加拉语字母:

Pattern.compile("([\\p{IsBeng}\\s]+) ছবি", Pattern.UNICODE_CASE);

\p{xxx}可用于很多字符类，例如类别，也可用于脚本，您需要知道名称和前缀 Is .

也可以使用

Pattern.compile("([\\w\\s]+) ছবি", Pattern.UNICODE_CHARACTER_CLASS);

但这将匹配任何字母表中的字母，所以我不确定您真正需要什么。