Groovy Regex 用于匹配单词（即使带有重音字母）

Question

我正在尝试对任何文本中的单词进行标记，例如：

Ça me plaît.

应标记为“ça，me，plaît”。 为此，我想清除字符串中的所有特殊字符，然后将其拆分为空格。通过这段代码：

text = text.toLowerCase().replaceAll(/^\w/, ' ')
def tokens = text.split(" ")

我得到了

a me pla t

Which 远没有用处。 我在这里需要什么正则表达式？

谢谢！ 穆隆

Answer 1

您可以使用 \S（大写 S）代替 \w。 \S 匹配所有非白色字符，而 \s（非大写）匹配所有白色字符。

因此，你将拥有

text = text.toLowerCase().replaceAll(/^\S/, ' ')
def tokens = text.split(" ")

Answer 2

这似乎对我有用（至少对于这种情况）：

'Ça me plaît.'.toLowerCase().replaceAll( /[^\p{javaLowerCase}]/, ' ').split( ' ' )