unicode中的正則表達式斷字符

Question

如何轉換正則表達式 \ w + 要給我Unicode中的整個單詞 - 而不僅僅是ASCII？

我使用.NET

Answer 1

你應該看看http://msdn.microsoft.com/en-us/library/yd1hzczs.aspx#ECMAScript
還有在.NET中使用正則表達式一個漂亮的小抄：http://regexlib.com/CheatSheet.aspx

Answer 2

在.NET中，\w將匹配的Unicode字符Unicode字母或數字。例如，它將匹配ì和Æ。

要匹配ASCII字符，您可以使用[a-zA-Z0-9]。

Answer 3

可正常工作對我來說

 string foo = "Hola, la niña está gritando en alemán: Maüschen raus!"; 
     Regex r = new Regex(@"\w+"); 
     MatchCollection mc = r.Matches(foo); 
     foreach (Match ma in mc) 
     { 
      Console.WriteLine(ma.Value); 
     } 

它

 
Hola 
la 
niña 
está 
gritando 
en 
alemán 
Maüschen 
raus 

是否使用.Match（），而不是.Matches（）輸出？

另一個可能的解釋是，你有一個非單詞字符在你期望收到，像一個逗號。

Answer 4

字母的「官方」Unicode標識符爲\p{L}，數字爲\p{N}。因此，爲了完整起見，如果\w未擴展爲Unicode字母/數字，則\w+的等效項將爲[\p{L}\p{N}\p{Pc}]+。不要忘記，\w中也包含下劃線和其他「標點符號連接器」字符（因此您可以自行決定是否保留它們）。