这里是几个主要非英文语系字符范围
2E80~33FFh:中日韩符号区。收容康熙字典部首、中日韩辅助部首、注音符号、日本假名、韩文音符,中日韩的符号、标点、带圈或带括符文数字、月份,以及日本的假名组合、单位、年号、月份、日期、时间等。
3400~4DFFh:中日韩认同表意文字扩充A区,总计收容6,582个中日韩汉字。
4E00~9FFFh:中日韩认同表意文字区,总计收容20,902个中日韩汉字。
A000~A4FFh:彝族文字区,收容中国南方彝族文字和字根。
AC00~D7FFh:韩文拼音组合字区,收容以韩文音符拼成的文字。
F900~FAFFh:中日韩兼容表意文字区,总计收容302个中日韩汉字。
FB00~FFFDh:文字表现形式区,收容组合拉丁文字、希伯来文、阿拉伯文、中日韩直式标点、小符号、半角符号、全角符号等。
比如需要匹配所有中日韩非符号字符,那么正则表达式应该是^[\u3400-\u9FFF]+$
理论上没错, 可是我到msn.co.ko随便复制了个韩文下来, 发现根本不对, 诡异
再到msn.co.jp复制了个'お', 也不得行..
然后把范围扩大到^[\u2E80-\u9FFF]+$, 这样倒是都通过了, 这个应该就是匹配中日韩文字的正则表达式了, 包括我們臺灣省還在盲目使用的繁體中文
而关于中文的正则表达式, 应该是^[\u4E00-\u9FFF]+$, 和论坛里常被人提起的^[\u4E00-\u9FA5]+$很接近
需要注意的是论坛里说的^[\u4E00-\u9FA5]+$这是专门用于匹配简体中文的正则表达式, 实际上繁体字也在里面, 我用测试器测试了下'中華人民共和國', 也通过了, 当然, ^[\u4E00-\u9FFF]+$也是一样的结果
*************************************************************************
正则表达式的编译表示形式。
指定为字符串的正则表达式必须首先被编译为此类的实例。然后,可将得到的模式用于创建 Matcher
对象,依照正则表达式,该对象可以与任意字符序列
匹配。执行匹配所涉及的所有状态都驻留在匹配器中,所以多个匹配器可以共享同一模式。
因此,典型的调用顺序是
Pattern p = Pattern.compile
("a*b"); Matcher m = p.matcher
("aaaaab"); boolean b = m.matches
();
在仅使用一次正则表达式时,可以方便地通过此类定义 matches
方法。此方法编译表达式并在单个调用中将输入序列与其匹配。语句
等效于上面的三个语句,尽管对于重复的匹配而言它效率不高,因为它不允许重用已编译的模式。boolean b = Pattern.matches("a*b", "aaaaab");
此类的实例是不可变的,可供多个并发线程安全使用。Matcher
类的实例用于此目的则不安全。
构造 | 匹配 | |||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
字符 | ||||||||||||||||||
x | 字符 x | |||||||||||||||||
\\ | 反斜线字符 | |||||||||||||||||
\0n | 带有八进制值 0 的字符 n (0 <= n <= 7) | |||||||||||||||||
\0nn | 带有八进制值 0 的字符 nn (0 <= n <= 7) | |||||||||||||||||
\0mnn | 带有八进制值 0 的字符 mnn(0 <= m <= 3、0 <= n <= 7) | |||||||||||||||||
\xhh | 带有十六进制值 0x 的字符 hh | |||||||||||||||||
\uhhhh | 带有十六进制值 0x 的字符 hhhh | |||||||||||||||||
\t | 制表符 ('\u0009') | |||||||||||||||||
\n | 新行(换行)符 ('\u000A') | |||||||||||||||||
\r | 回车符 ('\u000D') | |||||||||||||||||
\f | 换页符 ('\u000C') | |||||||||||||||||
\a | 报警 (bell) 符 ('\u0007') | |||||||||||||||||
\e | 转义符 ('\u001B') | |||||||||||||||||
\cx | 对应于 x 的控制符 | |||||||||||||||||
字符类 | ||||||||||||||||||
[abc] | a、b 或 c(简单类) | |||||||||||||||||
[^abc] | 任何字符,除了 a、b 或 c(否定) | |||||||||||||||||
[a-zA-Z] | a 到 z 或 A 到 Z,两头的字母包括在内(范围) | |||||||||||||||||
[a-d[m-p]] | a 到 d 或 m 到 p:[a-dm-p](并集) | |||||||||||||||||
[a-z&&[def]] | d、e 或 f(交集) | |||||||||||||||||
[a-z&&[^bc]] | a 到 z,除了 b 和 c:[ad-z](减去) | |||||||||||||||||
[a-z&&[^m-p]] | a 到 z,而非 m 到 p:[a-lq-z](减去) | |||||||||||||||||
预定义字符类 | ||||||||||||||||||
. | 任何字符(与行结束符可能匹配也可能不匹配) | |||||||||||||||||
\d | 数字:[0-9] | |||||||||||||||||
\D | 非数字: [^0-9] | |||||||||||||||||
\s | 空白字符:[ \t\n\x0B\f\r] | |||||||||||||||||
\S | 非空白字符:[^\s] | |||||||||||||||||
\w | 单词字符:[a-zA-Z_0-9] | |||||||||||||||||
\W | 非单词字符:[^\w] | |||||||||||||||||
|