正则表达式忽略不以字母开头的标记答案

【问题标题】：Regex ignore tokens that do not start with letter正则表达式忽略不以字母开头的标记
【发布时间】：2020-09-27 13:23:16
【问题描述】：

如何编写一个忽略任何不以字母开头的标记的正则表达式？它应该在java中使用。

示例：it 's super cool --> 正则表达式应匹配：[it, super, cool] 并忽略 ['s]。

【问题讨论】：

【解决方案1】：

替代正则表达式：

"(?:^|\\s)([A-Za-z]+)"

上下文中的正则表达式：

public static void main(String[] args) {
    String input = "it 's super cool";

    Matcher matcher = Pattern.compile("(?:^|\\s)([A-Za-z]+)").matcher(input);

    while (matcher.find()) {
        String result = matcher.group(1);
        System.out.println(result);
    }
}

输出：

it
super
cool

注意：要匹配任何语言（例如印地语、德语、中文、英语等）的字母字符、字母，请改用以下正则表达式：

"(?:^|\\s)(\\p{L}+)"

更多关于类 Pattern 以及 Unicode 脚本、块、类别和二进制属性的类，可以找到 here。

【讨论】：

此答案可能不完整，具体取决于“令牌”的含义。是什么将令牌与另一个令牌分开？只有仅由字母组成的标记才会被识别为一个。令牌“多普勒效应”只会产生“多普勒”并完全放弃“效应”。
[A-Za-z] 仅适用于英文字母。为了涵盖所有类型的字母（例如印地语、德语、中文等），您应该在 Java 中使用\\p{L}。
感谢您提供的信息！我不知道，因为我从未尝试过英文字母之外的正则表达式。我将添加该信息。谢谢阿文德！

【解决方案2】：

您可以使用(?<!\\p{Punct})(\\p{L}+)，这表示字母前面没有标点符号。请注意，(?<! 用于指定 negative look behind。查看Pattern 的文档以了解更多信息。

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Main {
    public static void main(String[] args) {
        String str = "it 's super cool";
        Pattern pattern = Pattern.compile("(?<!\\p{Punct})(\\p{L}+)");
        Matcher matcher = pattern.matcher(str);
        while (matcher.find()) {
            System.out.println(matcher.group());
        }
    }
}

输出：

it
super
cool

【讨论】：