如何使用.NET匹配Unicode字符？

Question

我想使用正则表达式匹配Unicode字符。我发现可以使用Unicode类别或块，更准确地说是使用这些Unicode类别和支持的命名块。

问题是我无法在LINQPAD 4和Regex.IsMatch函数中使其工作。例如，尝试匹配一个简单的拉丁字符如下：

Console.WriteLine(Regex.IsMatch("d", @"[\0000-\007F]+"));

会引发以下错误：

参数异常4，解析“[\0000-\007F]+”时- [x-y] 范围倒序。

并使用以下内容：

Console.WriteLine(Regex.IsMatch("d", @"\L{IsBasicLatin}{1}"));

给我的提示是：

解析"\L{IsBasicLatin}{1}" - 未识别的转义序列\L。

在我的真实情况下，我将用IsCyrillic替换IsLatin，但我需要先让它与拉丁文一起工作，以确保它正常运行。

有人能告诉我我错在哪里吗？

- gotqn

---

我认为你使用了错误的转义字符。请查看手册：https://msdn.microsoft.com/zh-cn/library/20bw873z(v=vs.110).aspx。你要找的字符是\p。 - Santhos

所有字符都是Unicode。那么，“问题是什么？” - Tom Blodget

Answer 1

您正在使用八进制表示法而非十六进制来表示字符，这会创建一个无效的范围（因为首先将\000解析为八进制字符，然后遇到0-\007并导致错误，因为0具有32的十进制代码）。

请使用\x或\u表示法，例如：

[\x00-\x7F]+

这将捕获整个ASCII范围，包括控制字符（包括NULL符号）。

第二个问题是，您需要使用\p和脚本名称，例如：

\p{IsBasicLatin}

查看有关 Unicode类别 的更多信息。

- Wiktor Stribiżew