与Java 8正则表达式匹配任何语言的字符串形式

Question

我尝试使用Java 8的正则表达式匹配任何语言的字符串

只要包含字母、数字和.或-即可。

String s = "בלה בלה";
String pattern= "^[\\p{L}\\p{Digit}_.-]*$";
return s.matches(pattern);

这段代码为什么对合法的希伯来语字符串返回 null？

- Elad Benda

---

等一下，你的字符串中有一个空格，但是模式中没有。试试这个：String pattern = "(?U)^[\\w.\\s-]*$"。 - Wiktor Stribiżew

“return null” 意思是返回空值。因为 String#matches() 返回原始的布尔值，所以不会返回 null。 - Lino

Answer 1

您可以在模式中添加一个空格，并在传递 Pattern.UNICODE_CHARACTER_CLASS 标志时使用 \w 而不是 \p{L}\p{Digit}_：

String s = "בלה בלה";
String pattern= "(?U)[\\w\\s.-]*";
System.out.println(s.matches(pattern));
// => true

请见Java示例。

由于该模式在String＃matches（）方法内使用，因此不需要使用 ^ 和 $ 锚点。如果您计划使用模式与Pattern＃find（）方法一起使用，请像原始代码中一样将模式放在锚点内（" ^（?U）[ \\ w \\ s.-] * $ "）。 模式详细信息：

• （？U） - Pattern.UNICODE_CHARACTER_CLASS 嵌入式修饰符标志，使速记字符类能够识别 Unicode（您可以在此模式下看到 \w 匹配的内容）
• [\\w\\s.-]* - 零个或多个：
  • \w - 单词字符（字母，数字，_和一些其他字符）
  • \s - 空格
  • . - 一个句点（在字符类内不需要转义）
  • - - 一个连字符（因为它在字符类的末尾，所以不需要转义）

- Wiktor Stribiżew

---

太棒了！我绝对不知道在Java正则表达式中可以转换Unicode搜索。谢谢您。 - Eugene

我有什么遗漏，还是 . 不应该像 \\. 一样转义？ - Lino

@Lino 不应该这样。 - Wiktor Stribiżew

@shmosel：不需要使用“^”和“$”，该模式在“.matches()”中使用。 - Wiktor Stribiżew

@Lino: . is 不等于 [.]。 - Wiktor Stribiżew