Muitas implementações modernas de regex interpretam o\w taquigrafia da classe de caracteres como "qualquer letra, dígito ou pontuação de conexão" (geralmente: sublinhado). Dessa forma, uma regex como\w+ combina palavras comohello, élève, GOÄ_432 ougefräßig.

Infelizmente, Java não. Em Java,\w é limitado a[A-Za-z0-9_]. Isso dificulta palavras correspondentes como as mencionadas acima, entre outros problemas.

Parece também que o\b o separador de palavras corresponde em locais onde não deveria.

Qual seria o equivalente correto de um .NET, compatível com Unicode\w ou\b em Java? Quais outros atalhos precisam ser "reescritos" para torná-los compatíveis com Unicode?