Chuỗi chia, lời nói bao gồm cả ký tự có dấu

Question

Tôi đang sử dụng regex này:

x.split("[^a-zA-Z0-9']+"); 

này trả về một mảng các chuỗi với chữ cái và/hoặc số.

Nếu tôi sử dụng này:

String name = "CEN01_Automated_TestCase.java"; 
String[] names = name.Split.split("[^a-zA-Z0-9']+"); 

tôi nhận:

CEN01 
Automated 
TestCase 
Java 

Nhưng nếu tôi sử dụng này:

String name = "CEN01_Automação_Caso_Teste.java"; 
String[] names = name.Split.split("[^a-zA-Z0-9']+"); 

tôi nhận:

CEN01 
Automa 
o 
Caso 
Teste 
Java 

Làm cách nào để sửa đổi regex này để bao gồm các ký tự có dấu trọng âm? (á, ã, õ, vv ...)

Answer 1

Từ http://docs.oracle.com/javase/7/docs/api/java/util/regex/Pattern.html

Categories mà cư xử như java.lang.Character boolean ismethodname phương pháp (trừ những người phản đối) có sẵn thông qua cùng một cú pháp \p{prop} hợp tài sản quy định có tên javamethodname.

Kể từ Character lớp chứa isAlphabetic phương pháp mà bạn có thể sử dụng

name.split("[^\\p{IsAlphabetic}0-9']+"); 

Bạn cũng có thể sử dụng

name.split("(?U)[^\\p{Alpha}0-9']+"); 

nhưng bạn sẽ cần phải sử dụng UNICODE_CHARACTER_CLASS cờ mà có thể được sử dụng bằng cách thêm (?U) trong regex .

Answer 2

Tôi sẽ xem Java Documentation on Regular Expressions. Có một phần unicode mà tôi tin là những gì bạn có thể đang tìm kiếm.

EDIT: Ví dụ

Một cách khác là khớp với mã ký tự bạn đang tìm kiếm. Ví dụ

\uFFFF where FFFF is the hexadecimal number of the character you are trying to match. 

Ví dụ: \u00E0 matches à

Nhận ra rằng xuyệc ngược sẽ cần phải được thoát trong Java nếu bạn đang sử dụng nó như là một chuỗi chữ.

Đọc thêm về nó here.

Answer 3

Tại sao không chia thành các ký tự phân cách?

String[] names = name.split("[_.]"); 

Answer 4

Thay vì danh sách đen tất cả các ký tự mà bạn không muốn, bạn có thể luôn luôn whitlist các ký tự bạn muốn thích:

^[^<>%$]*$ 

Khái niệm [^ (nhiều nhân vật ở đây)] chỉ phù hợp với bất kỳ ký tự đó không phải là liệt kê.

Nhưng đó là ý kiến ​​cá nhân.

Answer 5

Bạn có thể sử dụng này:

String[] names = name.split("[^a-zA-Z0-9'\\p{L}]+"); 

System.out.println(Arrays.toString(names)); Will đầu ra:

[CEN01, Automação, Caso, Teste, java]

Xem this để biết thêm thông tin.