Groovy使用split、collect处理外文字符大小写转换的字符遗漏问题

原代码存在两个会导致外文字符丢失的硬缺陷：

• 正则匹配逻辑不兼容Unicode：默认正则实现中，\w仅覆盖基础ASCII范围的英文字符（大小写英文字母、数字、下划线），完全不识别带重音、变音的跨语种字母（如法语的É、ç，瑞典语的Å、ä、ö）。这些外文字符会被[^\w]判定为非单词分隔符，在split阶段直接被切碎截断，示例中的É就是这样被切掉，才最终把"SÉBASTIEN"拆成了"S"和"Bastien"两段。
• 大小写转换逻辑缺少语言区域适配：原生无参的toLowerCase()、capitalize()方法依赖虚拟机默认Locale的规则，在处理特殊语种字符时会出现转换偏差，即使切分阶段没有切碎字符，也可能出现大小写转换错误、字符丢失的问题。

• 替换分割规则，不再依赖\w做单词识别。改用Unicode通用属性类\p{L}匹配所有语言的字母字符，将分割边界设置为“非字母、非空白的字符”，正则可调整为split(/[^\p{L}\s]/)。这个规则会自动把法语、瑞典语等所有语种的带变音字母识别为正常的单词组成部分，不会误把外文字符当成分隔符切断。
• 替换无Locale参数的大小写转换方法。优先使用支持全语种Unicode规则的转换API（如ICU4J库的字符转换能力），覆盖所有语种的大小写规则；如果仅使用JDK原生能力，至少要在调用toLowerCase()、toUpperCase()时传入对应目标语种的Locale参数，比如处理法语传Locale.FRENCH，处理瑞典语传Locale.forLanguageTag("sv")，避免默认规则导致的字符转换异常。
• 优化转换流程，不要依赖“split切词+逐词capitalize”的简单逻辑。这种方式不仅容易切碎带特殊字符的单词，还会误把"de"、"von"这类非首单词的虚词大写，更稳定的实现是：先将整段字符串统一转为适配对应Locale的小写形式，再逐字符遍历——遇到字符串开头、空格后的第一个字符就转成大写，全程保留所有Unicode字符，不会出现字符遗漏。

String str = "SÉBASTIEN DOL DE BRETAGNE"
// 统一做小写转换，指定法语Locale适配重音字符规则
String lowerStr = str.toLowerCase(Locale.FRENCH)
// 逐字符处理首字母大写，全程不切断外文字符
String result = lowerStr.collectIndexed { idx, currentChar ->
    // 命中单词边界（字符串开头/前一个字符是空格）时转大写
    if (idx == 0 || lowerStr[idx-1] == ' ') {
        currentChar.toUpperCase(Locale.FRENCH)
    } else {
        currentChar
    }
}.join()
// 最终输出：Sébastien Dol De Bretagne，完全匹配预期

通用适配多语种的场景下，不需要针对每个语种单独写字符判断规则，只要全程使用Unicode标准的字符识别逻辑、带对应语言区域的大小写转换API，就能覆盖法语、瑞典语等所有含特殊外文字符的场景。

内容的提问来源于stack exchange，提问作者user3624244