Java正则表达式：特殊字符

Question

我有一种简单的方法可以从文本中提取#hashTag:

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]);
    }

问题在于如果我发送带有特殊字符的字符串，例如字符串“POMERANČ”。

测试： 输入：

#Orange in Czech language mean #pomeranč :-)

输出：

[#Orange]

但它失败了，输出必须是[#Orange, #pomeranč]。你能告诉我，哪里出了错吗？帮帮我。谢谢。

- cagounai

---

添加 Pattern.UNICODE_CHARACTER_CLASS 修饰符或使用 Pattern.compile("(?U)(#\\w+)\\b")。否则，\b/\w 将无法正常工作。 - Wiktor Stribiżew

@stribizhev 谢谢。它起作用了。 - cagounai

Answer 1

添加 Pattern.UNICODE_CHARACTER_CLASS 修饰符或使用 Pattern.compile("(?U)(#\\w+)\\b")。否则，\b 和 \w 不会匹配所有 Unicode 字符。

引用：

当指定了此标志时，则（仅限 US-ASCII）预定义字符类 和 POSIX 字符类 符合 Unicode Technical Standard #18: Unicode Regular Expression 附录 C：兼容属性。

这里有演示：

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：[#橙色，#柑桔色]

- Wiktor Stribiżew

---

它对你有效吗？我需要添加更多解释吗？ - Wiktor Stribiżew

Answer 2

请使用否定字符类。

/#[^ ]+/

• [^ ]+ 反向字符类，匹配除空格以外的任何字符，实际上会匹配到下一个空格为止

正则表达式演示

- nu11p01n73R