Unicode Support
从 JDK 7 版本开始,正则表达式 Pattern 匹配已扩展了功能以支持 Unicode 6.0.
匹配特定的代码点
您可以使用格式为\uFFFF
的转义序列来匹配特定的 Unicode 代码点,其中FFFF
是要匹配的代码点的十六进制值。例如,\u6771
匹配东方的汉字。
或者,您可以使用 Perl 样式的十六进制表示法\x{...}
指定代码点。例如:
String hexPattern = "\x{" + Integer.toHexString(codePoint) + "}";
Unicode 字符属性
每个 Unicode 字符除其值外,还具有某些属性或属性。您可以使用表达式\p{prop}
匹配属于特定类别的单个字符。您可以使用表达式\P{prop}
匹配属于特定类别的单个字符* not *。
支持的三种属性类型是脚本,块和“常规”类别。
Scripts
要确定代码点是否属于特定脚本,可以使用script
关键字,也可以使用sc
缩写形式,例如\p{script=Hiragana}
。或者,您可以在脚本名称前加上字符串Is
,例如\p{IsHiragana}
。
Pattern
支持的有效脚本名称是UnicodeScript.forName接受的脚本名称。
Blocks
可以使用block
关键字或blk
短格式(例如\p{block=Mongolian}
)指定一个块。或者,您可以在块名称前加上字符串In
,例如\p{InMongolian}
。
Pattern
支持的有效块名称是UnicodeBlock.forName接受的有效块名称。
General Category
可以使用可选的前缀Is
来指定类别。例如,IsL
匹配 Unicode 字母的类别。也可以使用general_category
关键字或缩写形式gc
来指定类别。例如,可以使用general_category=Lu
或gc=Lu
匹配大写字母。
受支持的类别是Character类指定的版本中的Unicode 标准类别。