通用正则表达式解决方案？

Question

是否有一个通用（非）单词正则表达式，涵盖了地球上所有字符的突变？我正在开发一个应该处理所有语言的应用程序。 从技术上讲，我想用文字来分割句子。用非字符（\ W）拆分它们也会被'ä'拆分。 static workaround不是一个选项，因为并且明确地涵盖了这个世界上的所有突变（éçḮñ以及数千个）是不可能的。

Answer 1

我不能给你一些适用于所有语言的东西，因为我不知道足够的语言来判断是否会有边缘情况。

我的建议：

1. 拆分空格（\s+）。
2. 修剪您在步骤1中获得的每个“单词”的开头/结尾的标点字符（将^\p{P}+|\p{P}+$替换为空 - QRegularExpression docs表示它完全支持Unicode，因此希望这可行）

除非您关注在This is Charles' car等示例中保留标点符号，否则在不删除it's或Marne-sur-Seine等字词中的标点符号的情况下，这应该会有很长的路要走。