Regex word-breaker in unicode

Question

Как преобразовать регулярное выражение \ w + Чтобы дать мне целые слова в Unicode - не только ASCII?

Я использую .net

Answer 1

Вы должны взглянуть на http://msdn.microsoft.com/en-us/library/yd1hzczs.aspx#ECMAScript
Там также хорошая Шпаргалка для использования регулярных выражений в .net: http://regexlib.com/CheatSheet.aspx

Answer 2

В .NET \w будет соответствовать символам Unicode, которые Буквы или цифры в Юникоде. Например, он будет соответствовать ì и Æ.

Чтобы просто совместить символы ASCII, вы можете использовать [a-zA-Z0-9].

Answer 3

Это работает, как ожидалось для меня

 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); 
     } 

Он выводит

 
Hola 
la 
niña 
está 
gritando 
en 
alemán 
Maüschen 
raus 

Вы используете .Match() вместо .Matches()?

Другое возможное объяснение состоит в том, что у вас есть символ без слов в том, что вы ожидаете получить, как запятая.

Answer 4

«Официальный» идентификатор Юникода для букв - \p{L}, для номеров \p{N}. Поэтому для полноты, в случаях, когда \w не распространяется на буквы/цифры в Юникоде, эквивалент для \w+ будет [\p{L}\p{N}\p{Pc}]+. Не забывайте, что символы подчеркивания и другие символы «символа пунктуации» также содержатся в \w (так что вы можете сами решить, сохранить их или нет).