Question

我想用这段代码在REGEX_PATTERN2上进行编辑，以使用阿拉伯标点符号的matchs（）方法

 String REGEX_PATTERN = "[\\.|,|:|;|!|_|\\?]+";
        String s1 = "My life :is happy, stable";
        String[] result = s1.split(REGEX_PATTERN);
        for (String myString : result) {
            System.out.println(myString);   

}

         String REGEX_PATTERN2 = "[\\.|,|:|;|!|_|،|؛|؟\\?]+";
            String s2 = " حياتي ؛ سعيدة، مستقر";
            String[] result2 = s2.split(REGEX_PATTERN2);
            for (String myString : result2) {
                System.out.println(myString);   

    }

我想要的输出

我的生活

很开心

稳定

حياتي

سعيدة

مستقر

如何编辑此代码并使用 matches（）而不是 split（）方法来获得带有阿拉伯标点符号的相同输出

Answer 1

这里有一些问题。首先是这个例子：

  if (word.matches("[\\.|,|:|;|!|\\?]+"))

由于以下原因，这¹有点不正确：

.不需要在字符类中转义。
|并不意味着字符类中的替换。
?不需要在字符类中转义。

（有关更多详细信息，请阅读javadoc或有关Java正则表达式的教程。）

因此您可以将以上内容重写为：

  if (word.matches("[.,:;!?]+"))

...假设您不想将管道字符归类为标点符号。

现在，这个：

 if (word.matches("[\.|,|:|;|!|،|؛|..|...|؟|\?]+"))

您遇到与上述相同的问题。另外，您似乎已经使用了两个和三个句号/句点字符，而不是（大概）一些Unicode字符。我怀疑它们可能是\ufbb7或u061e或\u06db，但我不是语言学家。（肯定有2或3个完全停止是错误的。）

那么阿拉伯语的标点符号是什么？

说实话，我认为答案取决于您所看的来源，但是维基百科states：

在常规阿拉伯文字键入中仅使用阿拉伯问号⟨？⟩和阿拉伯逗号and，并且通常用逗号代替拉丁字母逗号（，）。

^{1-轻微错误，是指此示例中的错误大部分无害。但是，在类中包含|字符（的多个实例）的确表示您会错误地将“管道”归类为标点符号。}

Answer 2

[]表示正则表达式字符类，这意味着它仅匹配单个字符。 ...是3个字符，因此不能在字符类中使用。

在字符类中，您不必使用|分隔字符，也不需要转义.和?。

您可能是故意的，这是其他字符序列的列表：

"(?:\\.|,|:|;|!|\\?|،|؛|؟|\\.\\.|\\.\\.\\.)+"

如果使用字符类，则可能会获得更好的性能：

"(?:\\.{1,3}|[,:;!?،؛؟])+"

当然，以+结尾，在每次迭代中匹配1-3个周期是相当多余的，因此可以这样做：

"[.,:;!?،؛؟]+"

Answer 3

这是一种不同的方法，它使用Unicode属性而不是特定的字符（以防您关心的阿拉伯符号不仅仅是另一个答案中提到的问号和逗号）：

"(?=^[\\p{InArabic}.,:;!?]+$)^\\p{IsPunctuation}+$"

它匹配具有标点符号类别的整个字符串，这些字符串也位于阿拉伯语块中，或者是您在工作中列出的其他标点符号之一。

它将匹配诸如"؟،"或"؟،:"之类的字符串，但不匹配"؟،ؠ"或"؟،a"之类的字符串。

在Java中匹配阿拉伯标点符号

3 个答案: