unicode 中日韩统一表意文字 java正则表达式

unicode 中日韩统一表意文字 java正则表达式

提示: 本材料只做个人学习参考,不作为系统的学习流程,请注意识别!!!

---

---

情景:

工作中有对客户姓名进行汉字正则校验 ，之前的校验正则为

name.matches("^[\\u3300-\\u9fa5]+[\\u3300-\\u9fa5_·]*[\\u3300-\\u9fa5]+$")

偶遇客户姓名中包含: 𬀩，上述校验不通过。

百度百科:

UNICODE
𬀩字UNICODE编码U+2C029，10进制: 180265，UTF-32: 0002C029，UTF-8: F0 AC 80 A9。
𬀩字位于中日韩统一表意文字扩充E区（CJK Unified Ideographs Extension E）

解决：

汉字正则表达式 ^ [\u4e00-\u9fa5]{0,}$ 有点过时了，长度大于4位的unicode 正则 需要 \x{h…h} 形式表示

public class PatternUtil {
    private PatternUtil() {}
    public static final String UNIHAN_PATTERN = "^[" +
            "\\u4E00-\\u9FA5" + //1993中日韩统一表意文字
            "\\u3007" + //1个汉字（U+3007，〇），于中日韩符号和标点区
            "\\uFA0E\\uFA0F\\uFA11\\uFA13\\uFA14\\uFA1F\\uFA21\\uFA23\\uFA24\\uFA27-\\uFA29" + //位于“兼容表意文字区”中但实则独一的汉字
            "\\u3004-\\u4DB5" + //中日韩统一表意文字扩展区A
            "\\x{20000}-\\x{2A6D6}" + //中日韩统一表意文字扩展区B
            "\\u9FA6-\\u9FB3\\u9FB4-\\u9FBB" + //HKSCS-2004中未加入ISO 10646的汉字和GB 18030-2000中未加入ISO 10646的印刷業常用的偏旁和字形部件
            "\\u9FBC-\\u9FC2\\u4039\\u9FC3" + //7个日语汉字,䀹拆分为䀹和鿃
            "\\x{2A700}-\\x{2B734}" + //中日韩统一表意文字扩展区C
            "\\u9FC4-\\u9FCB" + //2个日语用汉字、1个新增汉字、在HKSCS-2004推出后新增的5个香港汉字
            "\\x{2B740}-\\x{2B81D}" + //中日韩统一表意文字扩展区D 其中包括公安部身份证系统人名和地名用字31字
            "\\u9FCC" + //1个汉字（U+9FCC鿌）
            "\\x{2B820}-\\x{2CEA1}" + //中日韩统一表意文字扩展区E
            "\\u9FCD-\\u9FCF\\u4CA4\\u9FD0\\u9FD1-\\u9FD5" + //“急用汉字”：《通用规范汉字表》余下未收入的3个汉字，1个从䲤分离出来的字䲤，5个其他图书用字及化学元素用字
            "\\x{2CEB0}-\\x{2EBE0}" + //中日韩统一表意文字扩展区F
            "\\u9FD6-\\u9FEA" + //21个汉字
            "\\u9FEB-\\u9FEF" + //	5个汉字，前三个是新命名的化学元素用字，后两字来自日本
            "\\x{30000}-\\x{3134A}" + // 中日韩统一表意文字扩展区G
            "\\u9FF0-\\u9FFC\\u4DB6-\\u4DBF" + //急用科学与技术用字、10个需分离的汉字
            "\\x{2A6D7}-\\x{2A6DD}" + //昆曲工尺谱用字
            "\\x{31400}-\\x{33D1F}" + //预计放置小篆
            "\\x{33E00}-\\x{355FF}" + //预计放置甲骨文
            "]{0,}$";
}

java 字符转义不支持直接输入5位的unicode，也不支持大U表示，如需转义表示（通常是字体不支持时）使用Unicode代理对转义 进行test 测试

如\u2b740 需要转换为\uD86D\uDF40

bug修复:

对原有正则校验进行修改,成功解决:

name.matches("^[\\u3300-\\u9fa5\\x{2B820}-\\x{2CEA1}]+[\\u3300-\\u9fa5\\x{2B820}-\\x{2CEA1}_·]*[\\u3300-\\u9fa5\\x{2B820}-\\x{2CEA1}]+$")