Unicode Regex in Scala REPL

Question

Ich möchte Wörter von Unicode Letters (\p{L}) erkennen.

Scala REPL gibt zurück false für die folgende Erklärung ab, während in Java es true ist (welches das richtige Verhalten ist):

java.util.regex.Pattern.compile("\\p{L}").matcher("ä").matches()

Sowohl Java und Scala sind in JRE läuft 1,7:

System.getProperty("java.version") gibt zurück "1.7.0_60-ea"

Was könnte der Grund dafür sein?

Answer 1

Wahrscheinlich eine nicht kompatible Zeichencodierung, die im Interpreter verwendet wird. Zum Beispiel, hier ist meine Ausgabe:

scala> System.getProperty("file.encoding") 
res0: String = UTF-8 

scala> java.util.regex.Pattern.compile("\\p{L}").matcher("ä").matches() 
res1: Boolean = true 

So ist die Lösung scala mit -Dfile.encoding=UTF-8 laufen. Beachten Sie jedoch, this blog post (das ist ein bisschen alt):

Die einzige zuverlässige Art und Weise wir für die Einstellung der Standard-Zeichencodierung für Scala gefunden haben, ist $ JAVA_OPTS zu setzen, bevor Ihr Anwendung ausgeführt wird:

$ JAVA_OPTS="-Dfile.encoding=utf8" scala [...] Nur versuchen, scala -Dfile.encoding=utf8 einzustellen, scheint es nicht zu tun. [...]

---

war der Fall nicht hier, sondern kann auch passieren: alternativ Ihre "ä" a diaeresis (umlaut) Zeichen von "a" gefolgt sein könnte, zum Beispiel:

scala> println("a\u0308")                        
ä                                                      
scala> java.util.regex.Pattern.compile("\\p{L}").matcher("a\u0308").matches()           
res1: Boolean = false 

Dies ist manchmal ein Problem auf einigen Systemen, die Diakritika durch Unicode combining characters erstellen (ich denke, OS X ist zumindest in einigen Versionen eins). Für weitere Informationen, see Paul's question.

Answer 2

können Sie auch „Aktivieren Sie die Unicode-Version von Vordefinierte Zeichenklassen und POSIX-Zeichenklassen“, wie er in java.util.regex.Pattern beschrieben und UNICODE_CHARACTER_CLASS

Das heißt, Sie Zeichenklassen wie ‚\ w‘ wie diese passen Zeichen Unicode verwenden können :

"(?U)\\w+".r.findFirstIn("pässi") 

In dem oben regexp '(? U)' Bit ist ein eingebettetes Flag Ausdrücke, die für den regulären Ausdruck auf der UNICODE_CHARACTER_CLASS Flag schaltet.

Dieses Flag unterstützt von Java Start 7.