在Java中使用Unicode正则表达式来匹配任何Unicode字符

Question

我正在尝试使用Java正则表达式匹配器进行搜索和替换。但是，在它无法匹配某个字符串之后，我注意到表达式“。*”似乎无法匹配某些Unicode字符（在我的例子中它是\u2028 LINE SEPARATOR字符）。

这就是我现在所拥有的（将XML元素与其间的任何文本匹配）：

String segSourceSearch = "<source(.?)>(.*?)</source>";
String segSourceReplace = "<source$1>$2</source><target$1>$2</target>";
myString = myString.replaceAll(segSourceSearch, segSourceReplace);

基本上，这应该做的是复制元素。 但是，如何修改正则表达式(.*?)以匹配<source>和</source>之间的任何Unicode字符？ Java中是否有内置模式？如果没有，我可以使用ICU4J中的任何内容吗？ （我无法在ICU4J中找到正则表达式匹配器）。

Answer 1

Pattern.DOTALL：

  

启用dotall模式。   在dotall模式中，表达式。匹配任何字符，包括行终止符。默认情况下，此表达式与行终止符不匹配。

     

也可以通过嵌入式标志表达式（？s）启用Dotall模式。

因此，您要查找的模式为(?s).*?，为了捕获您仍需将其括在大括号((?s).*?)中，但您也可以将(?s)放在大括号的开头。整个表达式为整个正则表达式启用DOTALL模式。