java如何将正则表达式与阿拉伯语文本一起使用

Question

我正在试图找到阿拉伯语单词的主茎，用户将输入لاعبو，程序将尝试从单词中删除ون，单词的剩余部分将是لاعب，然后尝试在我的词干列表中找到主茎لعب，我可以用regex或任何建议这样做吗。谢谢

Answer 1

如今，包括Java在内的大多数正则表达式引擎都支持Unicode。对于您的特定情况，您需要以下内容：

String text = "لاعبون";
text.replaceAll("\\u0648\\u0646", "");

基本上，您所需要做的就是用空字符串替换要删除的每个特定Unicode代码点。做了，做了

Answer 2

由于每个glyf都保留字符代码，因此与英语相比没有太大差异。您应该只写下匹配3个字符根的模式，然后编写语法将它们转换为另一个模式/模板

Answer 3

您所描述的问题将有一大组变量。你知道所有的前缀、后缀吗？你能列出它们吗

如果您可以同时执行上述两项操作，那么将提供一个列表，您可以根据该列表测试您的单词，并根据需要删除字符

参见前面对类似问题的回答（How to ban words with diacritics using a blacklist array and regex?）

将您的字符转换为UTF-8中的字符表示形式（我相信这将为您节省一些麻烦。）

然后使用简单的正则表达式

比如说（因为我现在不能自己转换这些）ون=x021-x023

您的作品（转换为16位）被推入regex并通过此>；s/^x021-x023//g

将从您的文字中删除x021-x023

将其转换回您的正常角色集

你有你的短词

Answer 4

这里是完整的例子

import java.util.regex.Matcher;

import java.util.regex.Pattern;


public class regex {

public static void main(String args[]) {
    Pattern p = Pattern.compile("(.*)" + "ون");
    Matcher m = p.matcher("لاعبون");
    Matcher m2 = p.matcher("يييي");
    System.out.println(m.matches());
    System.out.println(m.group(1));
    System.out.println(m2.matches());

}

}

将打印

true
لاعب
false