为什么p{Punct}regex在这个例子中留下逗号

Question

我需要正则表达式在行中分离单词，这是我所拥有的

 public class Example {
    public static void main(String[] args) {
countWords(List.of("Some random stuff, another stuff, words in quotes „Example“, Oops!"));

    }
    public static void countWords(List<String> lines) {
        lines.
                stream().map(line -> line.split("[\\\\p{Punct}«»\\s\\d„“…)–]+")).forEach(e -> System.out.println(Arrays.toString(e)));
 }
    }

但结果是

[Some，ra，dom，s，ff，，a，o，her，s，ff，，words，i，q，o，es，Exam，le，，Oo，s！]

正如您所看到的，我们将单词拆分，留下了额外的逗号和感叹号（我认为p{Punct}包括感叹号）

Answer 1

不清楚您试图完成什么，但输出与您的代码相匹配。正则表达式匹配以下任何情况的出现：\， p，{， P， u， n， c， t, }, ", ", 任何空格，任何数字，"，"，...，），-。

因此，您的线路在许多地方被分割。额外的逗号是因为数组的toString是如何实现的。

这里有一个有用的资源来检查你的正则表达式实际上匹配什么：https://regex101.com/r/bHP5lu/1

Answer 2

取消Java字符串文字"\\\p{Punct}"，我们得到：

\\p{Punct}

在字符类中，这被理解为反斜杠字符，字符p，{/code>，p，u，n，c，t，}，显然不是您想要的。

您在正则表达式中添加了一个额外的反斜杠。就像\d或\s一样，\p{XXX}只需要一个反斜杠作为前缀，即使在字符类中使用。因此，您应该从Java字符串文字中删除两个反斜杠：

"[\\p{Punct}«»\\s\\d„“…)–]+"