将Unicode字母与Java正则表达式匹配（例如）

  • Z时代
  • 2024-01-10
  • 分类：问答

在StackOverflow上有很多问题和答案，假设可以在regexp中使用来匹配“字母”

[a-zA-Z]。但是，使用Unicode时，会有更多的字符被大多数人视为字母（所有希腊字母，Cyrllic

..等等）。Unicode定义了许多块，每个块可能都有“字母”。

Java定义

为诸如字母字符之类的东西定义了Posix类，但是被指定为仅与US-

ASCII一起使用。预定义的字符类将单词定义为[a-zA-Z_0-9]，其中还包括许多字母。

那么，如何正确匹配Unicode字符串呢？还有其他一些库可以解决这个问题吗？

回答：

在这里，您有一个很好的解释：

http://www.regular-expressions.info/unicode.html

一些提示：

“不幸的是，Java和.NET尚不支持\X。\P{M}\p{M}*用作替代。要匹配任意数量的字素，请使用(?:\P{M}\p{M}*)+而不是\X+。”

“在Java中，\uFFFF即使打开了规范等效功能，正则表达式令牌也仅与指定的代码点匹配。但是，相同的语法\uFFFF也用于将Unicode字符插入Java源代码的文字字符串中。Pattern.compile("\u00E0")这两个代码都将匹配的-

点和双代码点编码à，而Pattern.compile("\\u00E0")仅匹配单代码点版本。请记住，将正则表达式编写为Java字符串文字时，必须转义反斜杠。前者Java代码编译regex

à，后者编译\u00E0。根据您所执行的操作，差异可能会很大。”

以上是 将Unicode字母与Java正则表达式匹配（例如） 的全部内容， 来源链接： utcz.com/qa/417421.html

回到顶部