跨越所有语言的特殊字符Java正则表达式

Question

在我的用户输入字段中，我希望允许一些特殊字符、字母和数字的组合。我应该确保正则表达式模式允许从任何语言输入此设置。基本上，我构造的这个正则表达式也应支持Unicode表示。如何在Java中使用Pattern类实现这一点？

以下是我尝试过的示例代码。但这并没有涵盖除英语以外的其他语言中的字母/数字。

private static final String ADDRESS_LINE_PATTERN = "[A-Za-z0-9,\\s#\\-.]+";


    public static boolean isInputValid(String patternToValidate, String input){
        Pattern p = Pattern.compile(patternToValidate);
        Matcher m = p.matcher(input);
        boolean b = m.matches();
        return b;

    }

public static void main(){
String value = "コロン";
System.out.println("Value:" + value + " - valid? " + isInputValid(ADDRESS_LINE_PATTERN, value));
}

- Vinod Jayachandran

Answer 1

您可以使用\\p{Alnum}来匹配任何语言的字母或数字。

 private static final String ADDRESS_LINE_PATTERN = "[\\p{Alnum},\\s#\\-.]+";

请查看Pattern javadoc获取更多信息。

- Avinash Raj

---

谢谢！这个模式对于所有语言中的字母数字类都有效。但是它是否也能支持在所有语言中提到的特殊符号呢？换句话说，维基百科上说，在日语中，コロン相当于“：”。即使正则表达式中没有提到“：”，它仍然被接受。我有点困惑。特殊符号在不同语言中的Unicode编码是否不同？ - Vinod Jayachandran

“コロン”这个日语词汇是“colon”在英语中的直接翻译，它是一个单词，而不是特殊字符。但是您想要匹配什么？有很多特殊字符，哪些是有效的，哪些是无效的？ - RealSkeptic

Answer 2

通常，在支持Unicode的正则表达式引擎中，单词类别\w将包括来自任何语言的所有字母数字字符。

您可以使用其否定形式\W在负类[^\W]中，添加任何不想要的字符_，然后与您想要的特殊字符进行OR运算。

(?U)(?:[^\W_]|[-,.+\s#])+ 

编辑 - 回复 @nhahtdh 的评论
为 UNICODE_CHARACTER_CLASS 添加了 Java 的 (?U) 内联修饰符
（我认为是正确的）

- user557597

---

在Java中，您需要使用(?U)或UNICODE_CHARACTER_CLASS来使\w支持Unicode。 - nhahtdh

@nhahtdh - 已更新。我有一天会转向Java，但现在太忙了，还得使用C++。 - user557597