字符串拆分，包括重音字符的单词

Question

我正在使用这个正则表达式：

x.split("[^a-zA-Z0-9']+");

这将返回一个包含字母和/或数字的字符串数组。

如果我使用它：

String name = "CEN01_Automated_TestCase.java";
String[] names = name.Split.split("[^a-zA-Z0-9']+");

我得到了：

CEN01
Automated
TestCase
Java

但如果我使用它：

String name = "CEN01_Automação_Caso_Teste.java";
String[] names = name.Split.split("[^a-zA-Z0-9']+");

我得到了：

CEN01
Automa
o
Caso
Teste
Java

如何修改此正则表达式以包含重音字符？ （á，ã，õ等......）

Answer 1

来自http://docs.oracle.com/javase/7/docs/api/java/util/regex/Pattern.html

  

类似于java.lang.Character boolean ismethodname方法的类别（已弃用的方法除外）可通过相同的\p{prop}语法获得，其中指定的属性名称为javamethodname。

由于Character类包含isAlphabetic方法，您可以使用

name.split("[^\\p{IsAlphabetic}0-9']+");

您也可以使用

name.split("(?U)[^\\p{Alpha}0-9']+");

但您需要使用UNICODE_CHARACTER_CLASS标记，可以在正则表达式中添加(?U)来使用。

Answer 2

我会查看Java Documentation on Regular Expressions。有一个unicode部分，我相信你可能正在寻找。

编辑：示例

另一种方法是匹配您正在寻找的字符代码。例如

\uFFFF where FFFF is the hexadecimal number of the character you are trying to match.

示例：\u00E0 matches à

如果您将其用作字符串文字，请认识到需要在Java中转义反斜杠。

详细了解here。

Answer 3

您可以使用：

String[] names = name.split("[^a-zA-Z0-9'\\p{L}]+");

System.out.println(Arrays.toString(names));将输出：

[CEN01，Automação，Caso，Teste，java]

有关详细信息，请参阅this。

Answer 4

为什么不拆分分隔符？

String[] names = name.split("[_.]");

Answer 5

您可以随时将所需的字符列入白名单，而不是将您不想要的所有字符列入黑名单：

^[^<>%$]*$

表达式[^（这里有很多字符）]只匹配未列出的任何字符。

但这是个人观点。