Regex e unicode

Python: Dividir cadeia unicode em limites de palavras

Eu preciso pegar uma string e encurtá-la para 140 caracteres.Atualmente estou fazendo:

Regex do Python que combina propriedades Unicode

O Perl e alguns outros mecanismos de regex atuais suportam propriedades Unicode, como a categoria, em um regex. Por exemplo. em Perl você pode usar

Regex - referência e exemplos de propriedades Unicode

Sinto-me perdido com as propriedades Regex Unicode apresentadas pelo RegexBuddy, não consigo distinguir entre nenhuma das propriedades Number e a propriedade...

Correspondência de traços Unicode em expressões regulares Java?

Estou tentando criar uma expressão regular Java para dividir seqüências de caracteres do formato geral "foo-bar" em "foo" e "bar" usando Pattern.split (). O caractere "-" pode ser um dos vários hífens: o ASCII '-', o traço em-, o traço, etc. Eu ...

Substituir caracteres de controle Unicode

Preciso substituir todo caractere de controle especial em uma string em Java. Quero perguntar à API do Google Maps v3, e o Google não parece gostar ...

Como saber a largura de exibição preferida (em colunas) dos caracteres Unicode?

Em diferentes codificações de Unicode, por exemploUTF-16leouUTF-8, um caractere pode ocupar 2 ou 3 bytes. Muitos aplicativos Unicode não cuidam da largura de exibição dos caracteres Unicode, assim como todas as letras latinas. Por exemplo, ...

Python e expressão regular com Unicode

Eu preciso excluir alguns símbolos Unicode da string 'بِسْمِ اللَّهِ الرَّحْمَٰنِ الرَّحِيمِ' Eu sei que eles existem aqui com certeza. Eu tentei: re.sub('([\u064B-\u0652\u06D4\u0670\u0674\u06D5-\u06ED]+)', '', 'بِسْمِ اللَّهِ الرَّحْمَٰنِ ...

Aparar espaço em branco unicode no PHP 5.2

Como posso aparar umstring(6) " page", onde o primeiro espaço em branco é um espaço sem quebra de 0xc2a0? eu tenteitrim() epreg_match('/^\s*(.*)\s*$/u', $key, $m);. Outra pergunta: como copiar esses caracteres de maneira confiável? Eles ...

Equivalentes Unicode para \ w e \ b em expressões regulares Java?

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 ...