「Aiavärav」と言います。式\w+はこの単語を捕捉するはずですが、文字「ä」は単語を半分にカットします。 "Aiavärav"の代わりに、 "Aia"を得る。これらの非ASCII文字を含む単語の正しい正規表現は何ですか？Javaの正規表現では他の言語の文字を単語文字（ wなど）として認識しません
Pattern.compile("\\w+", Pattern.UNICODE_CHARACTER_CLASS)
またはパターンで(?U)を埋め込む：あなたはUNICODE_CHARACTER_CLASSフラグを指定しない限り
がthe documentationによると、\wだけ[a-zA-Z_0-9]と一致する
Pattern.compile("(?U)\\w+")
は、いずれかがJDK 1.7が必要です（つまり、 Java 7）。 （; [a-zA-Z]のようにではなく、ASCII固有の「手紙」）と\p{N}（「番号」、あなたは、Java 7を持っていない場合
、あなたは\p{L}を使用してUnicodeに\wを一般化することができ[0-9]のようではなく、ASCII- ）特定：
Pattern.compile("[\\p{L}_\\p{N}]+")
しかし、それは多分あなたは（プログラミング言語の意味ではなく）普通の感覚では、実際の言葉を探しているように聞こえる、と数字とアンダースコアをサポートする必要はありません。 ？その場合は、あなただけの\p{L}を使用することができます。
Pattern.compile("\\p{L}+")
（ちなみに、中括弧は、実際に—あなたの代わりに\p{N} —の代わりにp{L}と\pNの\pLを書くことができますが、人々は通常、とにかくそれらを含める、理由はオプションです
埋め込み（？U） "...によってパフォーマンスが低下する可能性があることに注意してください。" http://docs.oracle.com/javase/7/docs/api/java/util/regex/Pattern.html#UNICODE_CHARACTER_CLASS – reallynice
@niconic：リンク先のドキュメントは、実際には 'UNICODE_CHARACTER_CLASS'を参照していますが、 （？U） 'でも、いずれの方法でも、高価な部分はUnicode文字のプロパティ（ASCII文字のグループと比較して）を使って一致していると思います。これは正確にOPがやろうとしているものなので、実際には彼のケースでは「パフォーマンスペナルティ」ではなく、おそらく彼が取るかもしれないアプローチにも適用されます。 – ruakh
私は間違っているかもしれませんが、UNICODE_CHARACTER_CLASS'リンクでは、 'UNICODE_CHARACTER_CLASSモードも埋め込みフラグ式（？U）で有効にできます。私は同じことを話していると思う。私は何かを誤解していますか？ – reallynice
単語をコピーして文字列に入れると、正規表現\ w +を使用して正しく単語を取得できます。私はC＃でテストしています。 –
Javaを使用しています。また、私はmyregextester.comでテストしたが、それでも単語全体を認識しません。 – jyriand
[Unicode letters]（http://www.regular-expressions.info/unicode.html）を見たいかもしれませんか？ '\ p {L} + ' – Wiseguy