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]);
    }

问题是我是否发送带有特殊字符的字符串，例如字符串“POMERANČ”。

测试： INPUT：

#Orange in Czech language mean #pomeranč :-)

输出：

[#Orange]

但它是FAIL，输出必须是[#Orange, #pomeranč]。你能告诉我，错误的代码在哪里？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与所有Unicode字符都不匹配。

当指定此标志时，（仅限US-ASCII）预定义字符类和 POSIX字符类符合Unicode Technical Standard #18: Unicode Regular Expression附件C：兼容性属性。

以下是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]

Answer 2

使用否定字符类

/#[^ ]+/

[^ ]+否定字符类，匹配空格以外的任何内容，实际上匹配字符直到下一个空格

Regex Demo

Java正则表达式的特殊字符

2 个答案: