需要有关Regex的帮助，包括欧洲口音和特殊字符

Question

这里有大量的文章，但在这种情况下，我无法找到解决方案。

我需要排除任何不包含欧洲字符的字符串，如中文，阿拉伯语，俄语等。

一个正则表达式可以匹配：

• 字母数字拉丁字符（è,é,ò,ç,à ...）
• 欧洲口音（© ...）
• UTF-8 符号（€,£,$ ...）
• 货币（val stats = sqlContext.sql("select id, n from myTable") stats.write.parquet("myTable.parquet") ）
• 空白字符

并排除所有其他角色？

Answer 1

你需要的是：

[\p{Sc}\p{So}\p{Mn}\p{P}\p{Z}À-ÿ\w]

下面：

• \p{Sc}匹配任何货币符号
• \p{So}匹配不是数学符号，货币符号或组合字符的各种符号
• \p{Mn}匹配一个与另一个角色合并而不占用额外空间的角色（例如重音符号，变音符号等）
• \p{P}匹配任何类型的标点字符
• \p{L}匹配来自任何语言的任何类型的信件
• \p{Z}匹配任何类型的空格或不可见的分隔符
• À-ÿ匹配口音
• \w任何alphanum