Java正则表达式：针对非英语字符进行不区分大小写的匹配

Question

我正在尝试使用Java中的Pattern和Matcher类对俄语进行不区分大小写的匹配。以下是文本：

"some text газированных напитков some other text"

以下是我用来匹配文本的模式:

Pattern pattern = Pattern.compile("(?iu)\\b(" + Pattern.quote("напитки") + ")\\b", Pattern.UNICODE_CHARACTER_CLASS);

我期望以下代码返回true，因为它是一个不区分大小写的比较 (напитки vs напитков):

System.out.println(pattern.matcher("some text газированных напитков some other text").find());

但它总是返回 false。我已经尝试使用其他的 Pattern 常量（如 CASE_INSENSITIVE，UNICODE_CASE，CANON_EQ），但它仍然返回 false。

在Java中有没有办法进行这样的比较？这是否有可能呢？

- Darshan Mehta

---

\\b at end might be cause of false since there is a character after напитки. Since your regex is \bнапитки\b there is no match for part of напитков - Rahul

等一下，你的文本中没有包含“напитки”（俄语中的“饮料”，复数，主格）。“напитков”是同一个单词，但是它是复数，属格。你的意思是想匹配任何与主格名词相匹配的语法格吗？ - Wiktor Stribiżew

@DarshanMehta：你没看到不同的结尾吗？и != ов。 - Wiktor Stribiżew

不，使用正则表达式是不可能的，而且你对西里尔字母的大小写敏感性也是错误的。你应该使用一些 NLP 包来规范化句子中的单词，然后在那里搜索主格中的单词。 - Wiktor Stribiżew

从俄语（我的母语）来看，大小写不敏感意味着可以使用大写或小写字母。@DarshanMehta，“имя существительное” 不同的结尾意味着在英语中有不同的“падеж”或语法格。 - Vitaliy

Answer 1

只需在您的 Pattern 中添加此选项：

Pattern.CASE_INSENSITIVE | Pattern.UNICODE_CASE

对于我的所有西里尔语案例，这种方法都非常有效，并且我使用得非常广泛。

- Vitaliy

Answer 2

这样会正常工作:

Pattern pattern = Pattern.compile("(?iu)\\b(" + Pattern.quote("напитк") + ")\\b");
System.out.println(pattern.matcher("some text газированных \"напитк\"ов some other text").find());

- Mikhail Chivozertsev