Gava regex не совпадает за пределами диапазона ASCII, ведет себя иначе, чем питона ⇐ JAVA

[Anonymous]

Я хочу отфильтровать строки из документов так же, как и график, склонный к Sklearn. Он использует следующую regex: (? U) \ b \ w \ w+\ b < /code>.
Этот код Java должен вести себя так же: < /p>

Код: Выделить всё

Pattern regex = Pattern.compile("(?u)\\b\\w\\w+\\b");
Matcher matcher = regex.matcher("this is the document.!? äöa m²");

while(matcher.find()) {
String match = matcher.group();
System.out.println(match);
}
< /code>
Но это не производит желаемый вывод, как это происходит в Python: < /p>
this
is
the
document
äöa
m²
< /code>
Это вместо этого выводит: < /p>
this
is
the
document

Что я могу сделать, чтобы включить символы не ASCII, как это делает Python Regeex?

Подробнее здесь: https://stackoverflow.com/questions/494 ... n-python-r