通用解决方案
Mathias Bynens 建议遵循UTS18 http://unicode.org/reports/tr18/#word推荐，从而实现 Unicode 感知\W看起来像：
[^\p{Alphabetic}\p{Mark}\p{Decimal_Number}\p{Connector_Punctuation}\p{Join_Control}]
请注意建议的 Unicode 属性类组合的注释：
这只是字边界的近似值（参见b http://unicode.org/reports/tr18/#b以下）。这
为编程语言添加了连接器标点符号
标识符，从而添加“_”和类似的字符。
更多注意事项
The \w构造（因此它的\W当在 Unicode 感知上下文中匹配时，在正则表达式引擎中匹配相似但有些不同的字符集。
例如，这里是非单词字符：\W https://learn.microsoft.com/en-us/dotnet/standard/base-types/character-classes-in-regular-expressions#non-word-character-w.NET 定义：[^\p{Ll}\p{Lu}\p{Lt}\p{Lo}\p{Nd}\p{Mn}\p{Pc}\p{Lm}], where \p{Ll}\p{Lu}\p{Lt}\p{Lo}可以收缩到纯粹\p{L}因此该模式等于[^\p{L}\p{Nd}\p{Mn}\p{Pc}].
在 Android 中（请参阅文档 https://developer.android.com/reference/java/util/regex/Pattern#unicode-support), [^\p{Alpha}\p{gc=Mn}\p{gc=Me}\p{gc=Mc}\p{Digit}\p{gc=Pc}\p{IsJoin_Control}], where \p{gc=Mn}\p{gc=Me}\p{gc=Mc}可以写成\p{M}.
在 PHP PCRE 中，\W火柴[^\p{L}\p{N}_].
Reexegg 备忘单 https://www.rexegg.com/regex-quickstart.html#classes定义Python 3\w as "Unicode 字母、表意文字、数字或下划线", i.e. [\p{L}\p{Mn}\p{Nd}_].
你可以大致分解一下\W as [^\p{L}\p{N}\p{M}\p{Pc}]:
/[^\p{L}\p{N}\p{M}\p{Pc}]/gu
where
-
[^ - is the start of the negated character class that matches a single char other than:
-
\p{L}- 任何 Unicode 字母
-
\p{N}- 任何 Unicode 数字
-
\p{M}- 变音符号
-
\p{Pc}- 连接器标点符号
-
]- 字符类结束。
注意是\p{Pc}与下划线匹配的类。
NOTE that \p{Alphabetic} (\p{Alpha}) 包括所有匹配的字母\p{L}, plus 字母数字匹配于\p{Nl} (e.g. Ⅻ– 罗马数字的字符12），加上一些其他匹配的符号\p{Other_Alphabetic} (\p{OAlpha}).
其他变化：
-
/[^\p{L}0-9_]/gu- 只是使用\W仅识别 Unicode 字母
-
/[^\p{L}\p{N}_]/gu- (PCRE\W样式）即可使用\W只识别 Unicode 字母和数字。
请注意，Java 的(?U)\W将匹配什么的混合\W匹配 PCRE、Python 和 .NET。
