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 Category or Block或更准确地使用这些Unicode Categories和Supported Named Blocks。

问题是我无法使用LINQPAD 4和Regex.IsMatch功能使其正常工作。例如，尝试匹配一个简单的拉丁字符，如下所示：

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

引发以下错误：

  

ArgumentException4解析“[\ 0000- \ 007F] +” - [x-y]范围反向   顺序。

并使用此：

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

给了我：

  

解析“\ L {IsBasicLatin} {1}” - 无法识别的转义序列\ L.

在我的实际案例中，我将用IsLatin替换IsCyrillic，但我需要让它与拉丁语一起使用，以确保它是OK。

有谁能说出我做错了什么？

Answer 1

您正在使用octal representation个字符而不是十六进制，这会创建一个无效范围（因为首先，\000被解析为八进制字符，然后{{遇到错误并导致错误，因为0-\007有一个0十进制代码。）

使用32或\x表示法，例如：

\u

这将捕获整个ASCII范围以及控制字符（包括NULL符号）。

第二个问题，您需要将[\x00-\x7F]+ 与脚本名称一起使用，例如

\p

详细了解Unicode categories here。