支持Unicode的Java正则表达式？

Question

为了匹配 A 到 Z，我们将使用正则表达式:

[A-Za-z]

如何让正则表达式匹配用户输入的 utf8 字符？例如像环保部这样的中文单词

Answer 1

您正在寻找的是 Unicode 属性。

例如\p{L} 是任何语言的任何字母

所以匹配这样一个中文单词的正则表达式可能类似于

\p{L}+

这样的属性有很多，更多详情请看regular-expressions.info

另一种选择是使用修饰符

Pattern.UNICODE_CHARACTER_CLASS

在 Java 7 中有一个新属性 Pattern.UNICODE_CHARACTER_CLASS 启用预定义字符类的 Unicode 版本 see my answer here for some more details and links

你可以这样做

Pattern p = Pattern.compile("\\w+", Pattern.UNICODE_CHARACTER_CLASS);

和 \w 将匹配来自任何语言的所有字母和所有数字(当然还有一些组合字符，如 _)。