Android：Pattern.UNICODE_CASE不匹配變音符號

Question

我有一個名稱的正則表達式，我希望匹配變音符號。下面是從開始我的代碼記錄片段與test.java:191：

Util.Log("text = " + text); 
Util.Log("regex = " + regex); 
Util.Log("regexorig = " + regexorig); 
Util.Log("Matches static: " + Pattern.matches(text, regex)); 
Pattern p1 = Pattern.compile(regex); 
Util.Log("Matches p1: " + p1.matcher(text).matches()); 
Pattern p2 = Pattern.compile(regexorig, Pattern.UNICODE_CASE | Pattern.CASE_INSENSITIVE); 
Util.Log("Matches p2: " + p2.matcher(text).matches()); 
Util.Log("String matches: " + text.matches(regex)); 

下面是輸出的，當我用輸入「ü」：

LOG: (test.java:191):text = ü 
LOG: (test.java:192):regex = (?iu)[A-Z][A-Z0-9 \-.',]* 
LOG: (test.java:193):regexorig = [A-Z][A-Z0-9 \-.',]* 
LOG: (test.java:194):Matches static: false 
LOG: (test.java:196):Matches p1: false 
LOG: (test.java:198):Matches p2: false 
LOG: (test.java:199):String matches: false 

我似乎無法得到一個音調符號 - 敏感的正則表達式匹配工作。這是一個Android錯誤還是我錯過了什麼？根據documentation，對於Android不區分大小寫的字符串，UNICODE_CASE總是處於開啓狀態，所以我甚至不需要它（真的不知道爲什麼會這樣，但這是一個不同的討論）。

Answer 1

A-Z仍然只匹配ASCII字母。

改爲使用Unicode屬性\p{L}（任何Unicode字母字符）。這樣，您甚至不需要i或u修改器。像：

\p{L}[\p{L}0-9 \-.',]* 

雖然可能還有一個問題。在Unicode中，帶有變音符號的字符也可以由多個字符表示。例如，á可以是單個Unicode字符（U+00E1），或者可以是a（U+0061），後面跟着組合標記´（U+0301）。 \p{L}僅匹配獨立字符，不匹配標記。因此，爲了捕捉這些情況下，也可能會要組合標記的Unicode屬性插入重複以及：

\p{L}[\p{L}\p{M}0-9 \-.',]* 

Working demo.