java - 如何在 Java 中匹配 unicode 字符

Question

我正在尝试匹配 Java 中的 unicode 字符。

输入字符串:informa

要匹配的字符串:信息

到目前为止我已经试过了:

Pattern p= Pattern.compile("informa[\u0000-\uffff].*", (Pattern.UNICODE_CASE|Pattern.CANON_EQ|Pattern.CASE_INSENSITIVE));
    String s = "informátion";
    Matcher m = p.matcher(s);
    if(m.matches()){
        System.out.println("Match!");
    }else{
        System.out.println("No match");
    }

结果显示为“不匹配”。有什么想法吗？

Answer 1

术语“Unicode 字符”不够具体。它将匹配 Unicode 范围内的 每个 字符，因此也匹配“普通”字符。然而，当一个实际上 表示“不在 printable ASCII range 中的字符”时，这个术语经常被使用。

在正则表达式中是 [^\x20-\x7E]。

boolean containsNonPrintableASCIIChars = string.matches(".*[^\\x20-\\x7E].*");

根据您想如何处理这些信息，这里有一些有用的后续答案:

• Get rid of special characters
• Get rid of diacritical marks