JAVA 正则匹配遇到的一个问题

帮哥大的同学做python转Java的编程style题时遇到的问题：

问的大致是这样的，统计文本里单词的个数，需要把非字母和数字的字符给去掉，用了两段不同的代码，发现运行结果里对有些单词的统计数量不一致：

代码是这样的：

code1:

for(int i=0;i<line.length();i++ ){
    			char ch = line.charAt(i);
    			if(!Character.isLetterOrDigit(ch)) sbtmp.append(' ');
    			else sbtmp.append(Character.toLowerCase(ch));
    		}

还有一段比较简单，用了String的replaceAll方法

code2:

line.replaceAll("\\W+", " ").toLowerCase()+" ";

最终结果上面的代码是正确的，下面一段代码运行结果会比实际值小一些。通过打印除了有差异行的处理结果，差别在这里：

原文：
Charlotte so _very_ plain--but then she is our particular friend."
code1处理结果：
charlotte so  very  plain  but then she is our particular friend 
code2处理结果：
charlotte so _very_ plain but then she is our particular friend 

看到正则表达式的规范里才知道：

\w :匹配包括下划线的任何单词字符,等价于 [A-Z a-z 0-9_]
\W :匹配任何非单词字符,等价于 [^A-Z a-z 0-9_]