在正则表达式解析中处理 Unicode 单词

Question

我正在尝试在一种印度语言（孟加拉语）中获取特定单词之前的所有单词。该技术非常适合英语，但不适用于孟加拉语：

Pattern p = Pattern.compile("([\\w\\s]+) ছবি", Pattern.UNICODE_CASE);
Matcher m = p.matcher("ক্যামেরাকে ছবি তোলা এবং ভিডিও রেকর্ড এর অনুমতি দেবেন");

while (m.find()) {
      System.err.println(m.group(1));
}

所以理想情况下，我试图将单词ক্যামেরাকে 作为输出，它位于文本ছবি তোলা এবং ভিডিও রেকর্ড... 之前。顺便说一下，这是本例中的第一个词，但可能并非如此。

我该怎么做？好吧，我正在尝试在 Android 上执行此操作。

编辑

在这里尝试 Java 解决方案：

谢谢！

Answer 1

将此用于孟加拉语字母：

Pattern.compile("([\\p{IsBeng}\\s]+) ছবি", Pattern.UNICODE_CASE);

\p{xxx} 可用于很多字符类，例如类别，也可用于脚本，您需要知道名称和前缀为Is。

也可以使用

Pattern.compile("([\\w\\s]+) ছবি", Pattern.UNICODE_CHARACTER_CLASS);

但这会匹配任何字母表中的字母，所以我不确定你真正需要什么。