Java RegEx模式中Alnum和IsAlphabetic字符类之间的关系

Question

看着Javadoc for java.util.regex.Pattern

  

\p{Alnum}一个字母数字字符：[\p{IsAlphabetic}\p{IsDigit}]

似乎与\p{IsAlphabetic}匹配的每个字符也应与\p{Alnum}匹配

但是，当字符带有重音时，情况似乎并非如此。例如，以下断言失败：

assertEquals("é".matches("\\p{IsAlphabetic}+"),"é".matches("\\p{Alnum}+"));

其他带有重音符号的字符也会发生同样的情况，例如ą，ó，ł，ź ż。全部匹配\p{IsAlphabetic}+但不匹配\p{Alnum}+

我误解了Javadoc吗？还是这是文档或实施中的错误？

Answer 1

默认情况下，\p{Alnum}被视为POSIX字符类，这意味着它将仅与ASCII字符匹配。这意味着它将匹配a和1，但不匹配ä或١。

您引用的段落仅在使用UNICODE_CHARACTER_CLASS标志时适用。

略微简化，此标志会将“旧的” POSIX样式字符类转换为等效的Unicode字符类。

Answer 2

您从文档中引用的报价很好，但您错过了阅读该表之前的内容的行：

  

以下预定义字符类和 POSIX字符类符合{{3}的附件C：兼容性属性的建议}，在指定UNICODE_CHARACTER_CLASS标志时。

如果您阅读引用的文档页面，则会看到\p{Alnum} = [\p{Alpha}\p{Digit}]和\p{Alpha} = [\p{Lower}\p{Upper}]和\p{Lower} = {{1} }和[a-z] = \p{Upper}。

因此，[A-Z]仅在未设置\p{Alnum}标志的情况下匹配ASCII字母（和数字），而UNICODE_CHARACTER_CLASS（= \p{L}）默认匹配所有Unicode字母（否标志是必需的。）