Question

这是我目前的代码：

return str.matches("^[A-Za-z\\-'. ]+");

我希望它包含国际信件。我如何用Java做到这一点？

感谢。

Answer 1

似乎您想要匹配所有字母字符。通常情况下，您可以使用Posix \p{Alpha}表达式，通过您想要允许的标点符号进行扩展。正如Java Regular Expressions documentation所述，它仅与ASCII匹配。

但是，什么文档没有说清楚，你可以使这个类使用Unicode字符。要做到这一点，你需要打开 Unicode字符类匹配您可以通过以下两种方式之一完成此操作：

通过创建Pattern对象传递UNICODE_CHARACTER_CLASS常量：
Pattern p = Pattern.compile("^[p{Alpha}\\-'. ]+", UNICODE_CHARACTER_CLASS);
使用(?U)嵌入模式标志：
str.matches("^(?U)[\\p{Alpha}\\-'. ]+");

概念证明：

String[] test = {"Jean-Marie Le'Blanc", "Żółć", "Ὀδυσσεύς", "原田雅彦"};
for (String str : test) {
    System.out.print(str.matches("^(?U)[\\p{Alpha}\\-'. ]+") + " ");
}

显而易见的结果是：

true true true true

如果您认为一切正确，我还有两点要做：

原田雅彦（原田正彦）由Ideographic characters组成。事实上，他们不字母字符
您想匹配点（。）符号。没关系，但请考虑匹配Ideographic fullstops。

Answer 2

我假设您要匹配ASCII字母A-Z以外的字母数字字符。您可以使用\p{IsAlphabetic} Unicode字符类执行此操作：

return str.matches("^[\\p{IsAlphabetic}\\-'. ]+");

你会发现更多的Unicode字符类full documentation。

Answer 3

将图案替换为：

"^[\\p{L}\\-'. ]+"

\p{L}包含所有unicode字母。

Answer 4

使用正则表达式\P{L}匹配任何字母（国内或国际）

通过添加[\p{L}&&[^\p{IsLatin}]]，您可以匹配所有非拉丁字母。

特别是对于希腊语，正则表达式\p{InGreek}匹配希腊字母和\P{InGreek}（差异为大写字母P）以匹配非希腊字母。

Answer 5

除非你用“国际字母”说出你的意思，否则这个问题无法完全回答，但一般的解决办法是通过\p{name}语法使用命名的字符类。有许多命名的字符类。一些是由正则表达式语言定义的，另一些是由Unicode标准定义的。有关部分列表和相关的Unicode标准，请参阅Pattern javadocs。

带有国际字母的Java正则表达式

5 个答案: