unicode中的正则表达式断字符

Question

如何转换正则表达式 \ w + 要给我Unicode中的整个单词 - 而不仅仅是ASCII？

我使用.NET

Answer 1

你应该看看http://msdn.microsoft.com/en-us/library/yd1hzczs.aspx#ECMAScript
还有在.NET中使用正则表达式一个漂亮的小抄：http://regexlib.com/CheatSheet.aspx

Answer 2

在.NET中，\w将匹配的Unicode字符Unicode字母或数字。例如，它将匹配ì和Æ。

要匹配ASCII字符，您可以使用[a-zA-Z0-9]。

Answer 3

可正常工作对我来说

 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（）输出？

另一个可能的解释是，你有一个非单词字符在你期望收到，像一个逗号。

Answer 4

字母的“官方”Unicode标识符为\p{L}，数字为\p{N}。因此，为了完整起见，如果\w未扩展为Unicode字母/数字，则\w+的等效项将为[\p{L}\p{N}\p{Pc}]+。不要忘记，\w中也包含下划线和其他“标点符号连接器”字符（因此您可以自行决定是否保留它们）。