Java RegEx模式中Alnum和IsAlphabetic字符类之间的关系

Question

看着Javadoc for java.util.regex.Pattern

\p{Alnum}一个字母数字字符：[\p{IsAlphabetic}\p{IsDigit}]

似乎每个匹配\p{IsAlphabetic}的角色也应该匹配\p{Alnum}

但是，当角色有重音时似乎并非如此。例如，以下断言失败：

assertEquals("é".matches("\\p{IsAlphabetic}+"),"é".matches("\\p{Alnum}+"));

同样的事情发生在其他角色上，如ą，ó，ł，ź ż。所有匹配\p{IsAlphabetic}+但不匹配\p{Alnum}+

我是否误解了Javadoc？或者这是文档或实现中的错误？

Answer 1

默认情况下，\p{Alnum}被视为POSIX字符类，这意味着它只会匹配ASCII字符。这意味着它将匹配a和1但不匹配ä或١。

您引用的段落仅适用于使用UNICODE_CHARACTER_CLASS标志时。

略微过度简化，此标志将“旧”POSIX样式字符类转换为其等效的Unicode字符类。

Answer 2

您从文档中引用的文章很好但是您错过了在该表之前阅读的内容：

当指定Unicode Regular Expression标志时，以下预定义字符类和POSIX字符类符合附件C的建议：UNICODE_CHARACTER_CLASS的兼容性属性。

如果你阅读了你引用的文档页面，你会看到\p{Alnum} = [\p{Alpha}\p{Digit}]和\p{Alpha} = [\p{Lower}\p{Upper}]和\p{Lower} = [a-z]和\p{Upper} = [A-Z]。

因此，当\p{Alnum}标志未设置时，UNICODE_CHARACTER_CLASS仅匹配ASCII字母（和数字），而\p{L}（= \p{IsAlphabetic}）默认匹配所有Unicode字母（不需要标记）。