带有国际字母的 Java 正则表达式

Question

这是我当前的代码:

return str.matches("^[A-Za-z\\-'. ]+");

我希望它包括国际信件。我如何在 Java 中做到这一点？

谢谢。

Answer 1

看来您想要的是匹配所有字母 字符。通常情况下，您可以使用 Posix \p{Alpha} 表达式来做到这一点，并使用您也希望允许的标点符号进行扩展。作为Java Regular Expressions documentation说，它只匹配 ASCII。

但是，文档没有说清楚的是，你可以让这个类使用 Unicode 字符。为此，您需要打开 Unicode 字符类 匹配。
您可以通过以下两种方式之一执行此操作:

1. 通过传递 UNICODE_CHARACTER_CLASS 常量创建 Pattern 对象:
   Pattern p = Pattern.compile("^[p{Alpha}\\-'. ]+", UNICODE_CHARACTER_CLASS);
2. 通过使用(?U)嵌入模式标志:
   str.matches("^(?U)[\\p{Alpha}\\-'.]+");

概念验证:

String[] test = {"Jean-Marie Le'Blanc", "Żółć", "Ὀδυσσεύς", "原田雅彦"};
for (String str : test) {
    System.out.print(str.matches("^(?U)[\\p{Alpha}\\-'. ]+") + " ");
}

显而易见的结果是:

true true true true

如果你认为一切都是正确的，我还有两点要补充:

• 原田雅彦 (Masahiko Harada) 由 Ideographic characters 组成.事实上，它们不是字母字符，
• 您想匹配点 (.) 符号。可以，但请考虑匹配Ideographic fullstops