Java Unicode正则表达式无法匹配德语字符

Question

这个问题是基于这个问题的。

为了匹配德语和法语中的所有字母，我使用\P{M}\p{M}*。

我选择了这个正则表达式来避免定义每一个unicode字符，例如： ^[a-zA-Z[\\u00c0-\\u01ff]]+[\\']?(([-]?[a-zA-Z[\\u00c0-\\u01ff]]*[\\s]?)|([\\s]?[a-zA-Z[\\u00c0-\\u01ff]]*[-]?)){1,2}[a-zA-Z[\\u00c0-\\u01ff]]+$ 但是，尽管使用前面问题中定义的unicode格式，像ß或è这样的字符并没有被正则表达式匹配到。

我正在使用JDK 6。

我缺少什么？谢谢！

- Ionut

---

你能贴一些代码片段或失败的测试吗？ - Antoine Wils

Answer 1

使用 posix 字符类 \p{L} 表示 "任何字母":

System.out.println("abcßè".matches("\\p{L}+")); // true

- Bohemian

---

我收到了这个异常: java.util.regex.PatternSyntaxException: Unknown character property name {Latin} near index 10 \p{IsLatin}+。我猜测格式有问题，但我不知道出了什么问题。 - Ionut

你可能编写了 "\\p{Latin}" 而不是 "\\p{IsLatin}" 吗？无论如何，我刚刚意识到你可以直接使用 "\\p{L}" 表示“任何字母” - 请参见更新的答案。 - Bohemian

它是IsLatin。例如，您可以在此处测试它：http://java-regex-tester.appspot.com/，您将收到相同的错误。 - Ionut

那个网站不理解\p{IsLatin}，但是可以理解\p{L}（可能是JDK版本的问题）。你尝试过像我更新的答案中的"\\p{L}"吗？ - Bohemian

Answer 2

使用Java 6，这段代码为：

 public static void main(String[] args) {
       String str = "hello ß you";
       Pattern p = Pattern.compile("(:?\\P{M}\\p{M}*)+");
       Matcher matcher = p.matcher(str);
       System.out.println("replaced: '" + matcher.replaceAll("") + "'");
}

返回：替换为：''

匹配到了 'ß'

- Antoine Wils

---

嗨！谢谢，但似乎这个模式也匹配数字和其他特殊字符，如“_”或空格。 - Ionut