Regex 是否有正则表达式方法来检测字符是否可以是单词的一部分？

这个问题的“棘手”部分是，我所说的alphabeth不仅仅是26个字符。它还应该包括任何类似字母贝斯的东西，包括重音字符和希伯来语的alibeth等

为什么我需要它们

我想把课文分成几个字

alphabeth与拉丁字母alphabeth、希伯来语的alibeth、阿拉伯字母abjads一样，是由空间分隔的

汉字之间没有任何分隔

所以我想我应该用任何不是字母的东西来分隔文本

换句话说，a，b，c，d，é是好的

駅,南,口,第,自,転,車.,3,5,6不是，所有这些分隔符都应该是它自己的话。或者类似的东西

简而言之，我想检测一个字符本身是否可以是一个单词，或者是否可以是单词的一部分

我试过什么

你可以看看我很久以前问的问题：

我在那里实现了唯一的答案，但后来我发现汉字没有拆分。为什么不平分秋色呢？嗯，这意味着阿尔法贝特家族也分裂了

如果所有这些Alphabeth“粘”在一起，我可以根据UTF将它们分开，那也很好

我现在就用答案 和“拉出”所有非字母字符

---

这不是一个完美的解决方案，但对我来说已经足够好了，因为西文字符和中文字符很少出现在同一个文本中。

也许你不应该用正则表达式来实现这一点，而应该用良好的旧字符串索引扫描

希伯来语、汉语、韩语等字母表都在unicode码点的连续范围内。因此，您可以通过读取字符的unicode值，然后检查它所属的unicode块来轻松检测字母表。

Jan Goyvaerts（PowerGrep的知名人士）曾经向我展示了一种非常有用的语法，可以做到这一点：

(?<![\p{M}\p{L}])word(?![\p{M}\p{L}])

（？
此表达式使用regex lookbehind和regex lookbeahead来确保单词的边界不存在字母或变音符号

为什么这个正则表达式比简单地使用“\b”要好？这个正则表达式的优点是合并了\p{M}来包含变音符号。当使用正常的单词边界标记（\b）时，正则表达式引擎会在许多变音符号的位置发现分词，即使变音符号实际上是单词的一部分（例如，希伯来语的变音符号就是这种情况。例如，以希伯来语单词גְּבוּלוֹת为例，在其上运行一个“\b”的正则表达式——您将看到它实际上是如何在每个变音点将单词分成不同的部分的）。上面的正则表达式通过使用Unicode字符类来解决此问题，以确保变音符号始终被视为单词的一部分，而不是在单词中打断。
要检查字符串是否只包含字母字符（即a-Z），正则表达式将为“^[a-zA-Z]*$”我要问：你试过什么？那很简单。我也想能匹配所有的希伯来角色和所有的阿拉伯角色。我试过什么？好的，等等：我试过的爸爸化的东西。我也在想同样的想法。口音呢？他们也粘在一起吗？有点懒，有没有人有字母表的范围已经存在：）目前ascw没有映射所有utf8字符，对吗？我需要等待3分钟才能接受答案。太棒了，非常感谢Phillipand，这部中文作品？哦，它在每个非字母表字符上都会中断？@Jim-没有来源；它来自我与Jan的私人对话。