Java 使用正则表达式检测以重音大写字母开头的单词

我想使用Java中的正则表达式提取以大写字母开头的单词，包括重音大写字母

这是我对大写字母A到Z开头的单词的条件：

if (link.text().matches("^[A-Z].+") == true) 

但我也想要以重音大写字母开头的单词

---

你有什么想法吗？

java有一个方法java.lang.Character.isUpperCase，它不完全是一个正则表达式，但可能满足以下条件

)

从

---

要匹配字符串开头的大写字母，需要使用模式

^\p{Lu}

不幸的是，Java不支持会议所必需的强制性

\p{Uppercase}

属性

这并不是Java正则表达式在满足第1级（最基本的Unicode功能）时缺少的唯一东西。如果没有级别1，就无法使用正则表达式进行Unicode测试。太多的东西坏了或缺了

UTS#18的RL1.1最终将与JDK7会面，但我不认为目前有任何计划满足RL1.2、RL1.2a或其目前缺乏的任何其他要求，甚至也不满足这两个强有力的建议。唉

事实上，在RL1.2所要求的非常短的强制属性列表中，Java缺少

\p{alphatic}

，

\p{Uppercase}

，

\p{Lowercase}

，

\p{White_Space}

，

\p{Noncharacter code{code}点

，

\p{Default Default Ignorable{code}点

，

\p}，以及
\p}
属性。这些都是强制性的，但要么完全缺失，要么就其定义而言不符合Unicode标准。这也是Java中与POSIX兼容的属性的问题：它们都与UTS#18有关

在JDK7之前，它还缺少必需的
脚本
属性。JDK7最终确实获得了脚本属性，但仅此而已——没有别的了。Java距离实现RL1.2a还有几光年的时间，而RL1.2a是数不清的程序员每天都会遇到的问题

在JDK7中，如果属性是块、脚本或常规类别，最后还可以以
\p{name=value}
的形式包含两部分的属性。这意味着这些在JDK7的模式类中都是相同的：


\p{Block=Number\u Forms}
，
\p{blk=Number\u Forms}
和
\p{InNumber\u Forms}
\p{Script=Latin}
，
\p{sc=Latin}
，
\p{IsLatin}
，以及
\p{Latin}
\p{General\u Category=Lu}
，
\p{GC=Lu}
和
\p{Lu}

但是，您仍然不能使用长格式，如
\p{Lowercase_Letter}
和
\p{Letter_Number}
，并且从RL1.2a的角度来看，POSIX外观的属性都被破坏了。另外，RL1.2中的超基本属性，如\p{White_Space}和\p{alphastic}仍然缺失

有人谈论试图修复
\b
和
\b
，它们在
\w
和
\w
方面严重受损，但我不知道如果不完全遵守RL1.2a，它们将如何修复所有这些问题。不，我不知道他们什么时候会把这些基本属性添加到Java中。没有他们你也活不下去

要在Java中使用正则表达式在1级完全使用Unicode，实际上不能使用Java附带的标准模式类。最简单的方法是使用JNI，使用Google Android代码连接ICU正则表达式库，这是可用的。
确实存在其他至少与UTS#18兼容1级（或更好）的语言，但如果您想留在Java中，ICU目前是您自己的实际选择
 我把链接搞乱了。现在好多了。从技术上讲，Java的j.l.Character的isUpperCase（）只实现Unicode通用类别大写字母。但是，您可以改用，它测试二进制Unicode属性大写字母，而不是常规类别大写字母。这两者有细微的区别，GC=Lu缺少42个代码点。还有31个GC=Lt代码点，这可能也应该考虑在内。是的，它可能对大多数人来说已经足够好了，尽管它遗漏了标题字母和所有非字母大写的代码点（有一些在
\pN
中，还有一些在
\pS
中）。@Porges：如果你使用ICU正则表达式，所有这些东西都会丢失（还有更多）消失了。只是你只能通过JNI才能找到它们。
\p{javaUpperCase}   Equivalent to java.lang.Character.isUpperCase()