对非阿拉伯字符进行拆分

regex java

2022-09-03 17:44:42

我有一个这样的字符串

أصبح::ينال::أخذ::حصل (على)::أحضر

我想使用java将其拆分为非阿拉伯字符

这是我的代码

String s = "أصبح::ينال::أخذ::حصل (على)::أحضر";
String[] arr = s.split("^\\p{InArabic}+");
System.out.println(Arrays.toString(arr));

输出是

[, ::ينال::أخذ::حصل (على)::أحضر]

但我预计输出是

[ينال,أخذ,حصل,على,أحضر]

所以我不知道这有什么问题？

答案 1

您需要一个否定的类，为此，您需要方括号。尝试用这个来拆分：[ ... ]

"[^\\p{InArabic}]+"

如果匹配任何阿拉伯字符，则将匹配任何非阿拉伯字符。\\p{InArabic}[^\\p{InArabic}]

您可以考虑的另一个选项是等效的语法，而不是像@Pshemo提到的那样指示字符类的相反：Pp\\p{InArabic}

"\\P{InArabic}+"

这就像是相反的。\\W\\w

与第二种语法相比，第一种语法的唯一可能优势（再次如@Pshemo提到的），是，如果要将其他字符添加到不应匹配的字符列表中，例如，如果要匹配所有非例外句点，则第一个语法更灵活：\\p{InArabic}

"[^\\p{InArabic}.]+"
                ^

否则，如果你真的想使用，你需要在类中减法：\\P{InArabic}

"[\\P{InArabic}&&[^.]]+"

答案 2

您想要的表达式是"\\P{InArabic}+"

这意味着匹配任何（非零）非阿拉伯语字符数。