正则表达式删除了特殊字符

Question

我遇到了正则表达式的以下问题：我编写了一个程序，它从一些文本（txt）文件中读取单词并写入另一个文件，每行写一个单词。

一切正常，除非读取的单词中包含特殊字符ľščťžýáíé。正则表达式删除char并将特殊字符所在的单词拆分。

例如：
输入：

I am Jožo.

输出：

I
am
Jo
o

以下是代码片段：

while( (line = br.readLine())!= null ){ 
  Pattern p = Pattern.compile("[\\w']+");
  Matcher m = p.matcher(line);
}

Answer 1

而不是这个正则表达式：

Pattern.compile("[\\w']+")

使用基于Unicode：

Pattern.compile("[\\p{L}']+")

这是因为默认情况下，Java中的\\w仅匹配ASCII字符，数字0-9和下划线。

另一个选项是使用修饰符

Pattern.UNICODE_CHARACTER_CLASS

像这样：

Pattern.compile("[\\w']+", Pattern.UNICODE_CHARACTER_CLASS)

Answer 2

\\ w仅匹配a-z，A-Z和0-9（英文字母加数字） 如果你想接受除空格之外的任何字符作为单词的一部分，请使用\\ S