您应该记住,Java 正则表达式将字符串解析为 Unicode 代码单元的集合,而不是代码点。 \p{L} 匹配来自 BMP 平面的任何 Unicode 字母,它不匹配后面粘有变音符号的字母。
由于您的输入可以包含字母和变音符号,您至少应该在字符类中同时使用 \p{L} 和 \p{M} Unicode 属性类:
String regex = "[\\p{L}\\p{M}]+";
如果输入字符串可以包含用空格分隔的单词,您可以添加 \s 速记类并匹配任何类型的空格,您可以使用 Pattern.UNICODE_CHARACTER_CLASS 标志编译此正则表达式:
String regex = "(?U)[\\p{L}\\p{M}\\s]+";
请注意,此正则表达式允许以任何顺序输入变音符号、字母和空格。如果您需要更精确的正则表达式(例如,只允许在基本字母之后使用变音符号),您可以考虑类似
String regex = "(?U)\\s*(?>\\p{L}\\p{M}*+)+(?:\\s+(?>\\p{L}\\p{M}*+)+)*\\s*";
这里,(?>\\p{L}\\p{M}*+)+ 匹配一个或多个字母,每个字母后跟零个或多个变音符号,\s* 匹配零个或多个空格,\s+ 匹配一个或多个空格。
\p{IsAlphabetic} 与 [\p{L}\p{M}]
如果您检查source code,\p{Alphabetic} 将检查Character.isAlphabetic(ch) 是否为真。如果 char 属于以下任何类,则为 true:UPPERCASE_LETTER、LOWERCASE_LETTER、TITLECASE_LETTER、MODIFIER_LETTER、OTHER_LETTER、LETTER_NUMBER 或它具有贡献属性 Other_Alphabetic .它is derived fromLu + Ll + Lt + Lm + Lo + Nl + Other_Alphabetic。
虽然所有 L 子类构成了一般 L 类,但请注意 Other_Alphabetic 还包括 Letter number Nl 类,它包含的字符比 \p{M} 类多,请参阅 this reference(尽管它位于德语,类别和字符名称为英文)。
因此,\p{IsAlphabetic} 比 [\p{L}\p{M}] 更广泛,您应该根据您想要支持的语言做出正确的决定。