java - 这个正则表达式在 Java 中是什么意思？

Question

我们正在调试一些旧代码并遇到这个语句，有人知道它在做什么吗？

String value=...
value.toLowerCase(Locale.ENGLISH).split("[^\\w]+");

Answer 1

答案是它在做很多事情时相当天真。不然他们为什么要使用单词字符 [^\w] 的否定字符类来表示简单的 \W 中的可读性更高？没有任何意义。

此外，愚蠢的语言环境表明他们一定害怕自己在土耳其，因为我不知道除了土耳其语和阿塞拜疆语之外的任何其他语言环境，那里的大小写存在差异。通常 LATIN CAPITAL LETTER I 小写为 LATIN SMALL LETTER I，正如您所期望的那样，但在突厥语言中它小写 LATIN SMALL LETTER DOTLESS I。

即便如此，除非它们使用仅在 Java 7 中可用的嵌入式 "(?U)" 标志，否则它不会正确地用于 Unicode。你不能使 \w 和 \W 只是通过那个愚蠢的毫无意义的语言环境来玩 Unicode 规则。您必须使用 "(?U)"，否则，如果您实际编译模式，则使用 UNICODE_CHARACTER_CLASSES 标志。两者都需要 Java 7。在此之前，Java 比使用正则表达式 charclass 快捷方式处理 Unicode 更糟糕。它实际上具有误导性、错误性和危害性。

否则笨蛋会认为像 naïvely 这样的常规英语单词有两个由非单词序列分隔的单词。这是 super 愚蠢的。

因此，在回答您的问题时，我认为它并没有按照其作者的想法行事。我向你保证它已经坏了，除非它完全是 ASCII 文本。参见 here对于 Java 7 之前发生的 hell 般的事情以及你必须做些什么来解决它们，请参阅 here对于 Java 7 带来的一些好处。