正則表達式和口音

Question

這個問題讓我發瘋 我需要排除帶有重音的這個詞，我有問題。特別我認爲\b不工作好與像áéíóúñ 例如口音的信件，我有這樣的正則表達式：

\b(m[ií]s*|m[ií][ao]s*|t[úu]s*|s[u]s*)\b 

的話：

MI - 比賽

MI - 不匹配

MIAS - 比賽

米亞斯 - 不匹配

我嘗試使用\s而不是\b但我匹配空格 如何解決此問題？

感謝

Answer 1

糾正我，如果我錯了，但如果你使用的是Java，口音被認爲是非單詞字符，所以你可以用\檢測W¯¯VS \ W。無論您使用何種語言，都可能出現這種情況。

Answer 2

此正則表達式將匹配沒有任何音字母的所有單詞：

\b[a-zA-Z']+\b 

包括引號字符意味着撇號的話 - 比如「不能」 - 也匹配。

請注意，正則表達式\w不適合，因爲它包含數字和下劃線字符。

Answer 3

您正試圖匹配unicode字符，根據您使用的語言不同，這些字符可能更多或更少。此鏈接可以幫助你更好地理解：

http://www.regular-expressions.info/unicode.html

Answer 4

從你的問題和評論是聽起來像：

• 給出字符串：MI，恩，土族，心肌梗死，心肌梗死，MIAS，是的。但我需要將口音與口音搭配，比如tú和tus以及mí和mís。但不米薩 -
• 比賽：MI，恩，土族，心肌梗死，心肌梗死，MIAS
• 不匹配：米亞斯

這PowerShell中顯示匹配字符串正在爲所有你已經案件上市

$Matches = @() 
$String = 'mi, tú, tus, mí, mís, mias, Yes. But I am needing to match words with accent, like tú and tus and mí and mís. BUT not mísa – ' 
([regex]'(?=\b)(mí|m[ií]s*|m[ií][ao]s*|t[úu]s*|s[u]s*)(?=\b)').matches($String) | foreach { 
    write-host "at $($_.Groups[1].Index) = '$($_.Groups[1].Value)'" 
    } # next match 

產生

at 0 = 'mi' 
at 4 = 'tú' 
at 8 = 'tus' 
at 13 = 'mí' 
at 17 = 'mís' 
at 22 = 'mias' 
at 83 = 'tú' 
at 90 = 'tus' 
at 98 = 'mí' 
at 105 = 'mís'