在Java中匹配阿拉伯语标点符号

我想在此代码中编辑REGEX_PATTERN2，以使用阿拉伯语标点符号的matches（）方法

 String REGEX_PATTERN = "[\\.|,|:|;|!|_|\\?]+";
        String s1 = "My life :is happy, stable";
        String[] result = s1.split(REGEX_PATTERN);
        for (String myString : result) {
            System.out.println(myString);   

}

         String REGEX_PATTERN2 = "[\\.|,|:|;|!|_|،|؛|؟\\?]+";
            String s2 = " حياتي ؛ سعيدة، مستقر";
            String[] result2 = s2.split(REGEX_PATTERN2);
            for (String myString : result2) {
                System.out.println(myString);   

    }

我想要的输出

我的生活

他很高兴

马厩

حياتي

سعيدة

مستق

---

如何编辑此代码并使用matches（）而不是split（）方法来获得带有阿拉伯标点符号的相同输出

[]

表示正则表达式字符类，这意味着它只匹配单个字符<代码>为3个字符，因此不能在字符类中使用

在字符类中，不需要用

|

分隔字符，也不需要转义

和

？

您的意思可能是，这是一个备用字符序列列表：

“（？：\\.\124；，：\\.\ 124；！\ 1248；\1248；\1246；\1246；\124\.\ 124\.\ 124\.\）+”

如果使用可以执行以下操作的角色类，您可能会获得更好的性能：

“（？：\.{1,3}.[，：；！？،؛؟]）+”

当然，对于末尾的

+

，在每次迭代中匹配1-3个周期是相当多余的，因此这样做可以：

---

“[，：；！？،؟]+”

[]

表示正则表达式字符类，这意味着它只匹配单个字符<代码>为3个字符，因此不能在字符类中使用

在字符类中，不需要用

|

分隔字符，也不需要转义

和

？

您的意思可能是，这是一个备用字符序列列表：

“（？：\\.\124；，：\\.\ 124；！\ 1248；\1248；\1246；\1246；\124\.\ 124\.\ 124\.\）+”

如果使用可以执行以下操作的角色类，您可能会获得更好的性能：

“（？：\.{1,3}.[，：；！？،؛؟]）+”

当然，对于末尾的

+

，在每次迭代中匹配1-3个周期是相当多余的，因此这样做可以：

---

“[，：；！？،œ؟]+”

这里有一些问题。首先，这个例子：

  if (word.matches("[\\.|,|:|;|!|\\?]+"))

由于以下原因，这有点不正确：

不需要在字符类中转义

|

并不意味着字符类中的交替

？

不需要在字符类中转义

（有关更多详细信息，请阅读或有关Java正则表达式的教程。）

因此，您可以将上述内容改写为：

  if (word.matches("[.,:;!?]+"))

。。。假设您不想将管道字符分类为标点符号

现在：

 if (word.matches("[\.|,|:|;|!|،|؛|..|...|؟|\?]+")) 

你有和上面一样的问题。此外，您似乎使用了两个和三个句号/句点字符，而不是（大概）某些Unicode字符。我怀疑他们可能是

\ufbb7

或

u061e

或

\u06db

，但我不是语言学家。（当然，2或3个句号是不正确的。）

---

那么阿拉伯语的标点符号是什么呢

老实说，我认为答案取决于你看的是什么来源，但维基百科：

只有阿拉伯问号⟨؟⟩ 还有阿拉伯逗号⟨،⟩ 常用于常规的阿拉伯文打字，逗号通常代替拉丁语的逗号（，）

---

---

1-我的意思是，这个例子中的错误大多是无害的。但是，在类中包含

|

字符（多个实例）确实意味着您将错误地将“管道”分类为标点符号

这里有一些问题。首先，这个例子：

  if (word.matches("[\\.|,|:|;|!|\\?]+"))

由于以下原因，这有点不正确：

不需要在字符类中转义

|

并不意味着字符类中的交替

？

不需要在字符类中转义

（有关更多详细信息，请阅读或有关Java正则表达式的教程。）

因此，您可以将上述内容改写为：

  if (word.matches("[.,:;!?]+"))

。。。假设您不想将管道字符分类为标点符号

现在：

 if (word.matches("[\.|,|:|;|!|،|؛|..|...|؟|\?]+")) 

你有和上面一样的问题。此外，您似乎使用了两个和三个句号/句点字符，而不是（大概）某些Unicode字符。我怀疑他们可能是

\ufbb7

或

u061e

或

\u06db

，但我不是语言学家。（当然，2或3个句号是不正确的。）

---

那么阿拉伯语的标点符号是什么呢

老实说，我认为答案取决于你看的是什么来源，但维基百科：

只有阿拉伯问号⟨؟⟩ 还有阿拉伯逗号⟨،⟩ 常用于常规的阿拉伯文打字，逗号通常代替拉丁语的逗号（，）

---

---

1-我的意思是，这个例子中的错误大多是无害的。但是，在类中包含

|

字符（多个实例）确实意味着您将错误地将“管道”分类为标点符号

这里有一种不同的方法，它使用Unicode属性而不是特定字符（如果您关心的是更多的阿拉伯标记，而不仅仅是另一个答案中提到的问号和逗号）：

它匹配一整串具有标点符号类别的字符，这些字符也在阿拉伯语块中，或者是您在工作中列出的其他标点符号之一

---

它将匹配字符串，如

“؟1548;”

或

”：“

，但不匹配

“ؠ1568;”

或

“،a”

这里有一种不同的方法，它使用Unicode属性而不是特定字符（如果您关心的是更多的阿拉伯标记，而不仅仅是另一个答案中提到的问号和逗号）：

它匹配一整串具有标点符号类别的字符，这些字符也在阿拉伯语块中，或者是您在工作中列出的其他标点符号之一

它将匹配字符串，如

“؟”<