Java的正则表达式匹配汉字

最新推荐文章于 2024-07-03 02:51:02 发布

原创最新推荐文章于 2024-07-03 02:51:02 发布 · 393 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#正则表达式 #Java #Microsoft #JDK #SUN

Regular Expression 专栏收录该内容

5 篇文章

订阅专栏

本文介绍如何使用Java正则表达式中的\p{InCJKUnifiedIdeographs}

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

刚才有同事问，顺便发出来记一下。

以前读《精通正则表达式》的时候已经知道Java的正则表达式支持\p{In[i]name[/i]}的形式来指定匹配属于name的Unicode区块的字符。JDK的[url=http://java.sun.com/javase/6/docs/api/java/util/regex/Pattern.html]Pattern类的文档[/url]上也有相关例子，\p{InGreek}，表示匹配一个属于名为“Greek”的Unicode区块的字符。

那汉字怎么办？

Unicode里中文、日文与韩文的汉字是放在同一个（一些）区块里的，主要是在“CJK Unified Ideographs”当中，还有一些在“CJK Unified Ideographs Extension A”与“CJK Unified Ideographs Extension B”当中。
以前我没用这个方式匹配过汉字，还在想这名字里面有空格怎么办，试了一下\p{InCJK Unified Ideographs}发觉果然可以……当然，这种办法是不区分匹配到的汉字到底是中文、日文还是韩文的。也不区分简繁体。同事还问怎么用正则表达式只匹配简体中文，这个我就没想出什么好办法。

《精通正则表达式》里也提到.NET用的Unicode区块语法是\p{name}或者\p{Is[i]name[/i]}，相关文档在[url=http://msdn.microsoft.com/en-us/library/az24scfc.aspx]这里[/url]。

放一demo代码：

public class TestUnicodeBlock {
    public static void main(String[] args) {
        final String regex = "\\p{InCJK Unified Ideographs}";
        final String[] testChars = {
            "\u6211", // a Chinese character
            "\u300A", // a full-width punctuation
            "\u3042", // a Hiragana character
            "\uD55C"  // a Hangul character
        };
        for (String s : testChars) {
            System.out.printf("matched %s: %b\n", s, s.matches(regex));
        }
    }
}