为何Kotlin正则\W在Android与Playground表现不同？如何修正？

差异原因 #

核心问题在于正则表达式中\W的匹配规则在不同环境下的行为不一致：

• Kotlin Playground使用的JVM环境默认启用了Unicode字符类匹配模式，此时\W会匹配所有Unicode定义的非单词字符，带重音的à被归类为非单词字符，因此会被替换成空格。
• Android平台的Java正则表达式默认采用POSIX ASCII模式，\W仅匹配[^a-zA-Z0-9_]范围内的字符，à不在这个范围内，所以会被保留下来。

修复方法：统一正则匹配行为 #

要让Android环境下的结果和Playground一致，需要显式给正则表达式添加UNICODE_CHARACTER_CLASS模式，让\W按照Unicode标准匹配非单词字符：

修改后的clearName函数如下：

fun String.clearName(): String {
    val unicodeNonWordRegex = """\W""".toRegex(RegexOption.UNICODE_CHARACTER_CLASS)
    val multiSpaceRegex = """\s{2,}""".toRegex()
    return this.lowercase()
        .replace(unicodeNonWordRegex, " ")
        .replace(multiSpaceRegex, " ")
        .trim()
}

这样修改后，Android环境中à会被\W匹配到，替换为空格，输出结果就和Playground一致的voil therapy。

将带重音字符转换为基础字符（如à→a） #

如果希望保留字符的基础形态而不是直接删除，可以通过Unicode规范化+过滤重音标记实现：

1. 先将字符串转换为Unicode分解形式（NFD），把带重音的字符拆分为基础字符+独立的重音标记。
2. 过滤掉所有属于非间距标记（Unicode类别Mn）的字符，只保留基础字符。

实现代码如下：

fun String.removeAccents(): String {
    return this.normalize(Normalizer.Form.NFD)
        .filter { !Character.getType(it).equals(Character.NON_SPACING_MARK) }
}

// 结合原函数使用
fun String.clearNameWithAccentConversion(): String {
    return this.removeAccents()
        .lowercase()
        .replace("""\W""".toRegex(RegexOption.UNICODE_CHARACTER_CLASS), " ")
        .replace("""\s{2,}""".toRegex(), " ")
        .trim()
}

调用"Voilà - Therapy".clearNameWithAccentConversion()会输出voila therapy，既保留了字符的基础形态，又统一了跨环境的行为。

内容的提问来源于stack exchange，提问作者Viewed