Regularni izrazi

Kako opišem z regularnimi izrazi vse veljavne besede slovenskega jezika? Skratka, rad bi s pomočjo regularnih izrazov pobral vse veljavne besede, predloge... Zadeva je v Javi - Unicode, tako, da mora prebavit đ,ć,č,ü,... tako, da se na koncu rešim vseh ločil, števil, posebnih znakov itd...

Tnx...

Zadeva je taka, da moram iz nekega txt besedila izločit vse znake, ki niso veljavni del besed, predlogov. Ker nisem še nikoli do zdaj delal z regularnimi izrazi v bistvu ne vem kakšen bi bil lažji pristop.

1.
Lahko uporabim metodo String.split( regularni izraz ), ki mi razbije besedilo glede na ta regularni izraz. Z izrazom \s (A whitespace character: [ \t\n\x0B\f\r] ) sem že skoraj tam. Sedaj bi bilo potrebno to napisat tako, da mi delil še pri vseh ločilih, numeričnih znakih pa če se še najde kakšna izjema, da jo zajamem.

2.
Druga varianta je pa ravno obratna, da pač zapišem regularni izraz in pobiram vse veljavne besede... Ja in mislim, da izraz [a-zA-Z]+ pač ne naredi tega, ker izpusti č,š,ž... Ali se pač motim?

Če obstaja še kakšna tretja pot pa kar na dan z njo.

Jah, kaj pa če bi split naredil tako, da bi v izrazu rekel, naj za delimiter vzame vse, kar ni črka ? npr. [^a-zA-Zščđ枊ĐČĆŽ] ? V Javi so namreč vsi stringi predstavljeni v unicode formatu, tako da bi moglo delati. Res pa je, da moraš paziti pri branju datoteke, ki je običajno zapisana v default kodni tabeli oper. sistema.