为什么[a-z] [A-Z]给出[[-ž] [Ą-Ž]不同的结果？

Question

我正在尝试将文本拆分为小写字母后跟大写字母。

让我们说文字是：

"Įvairių rūšiųSkinti kardeliai"

我想把它拆分为“ųS”，但是下面的正则表达式“[ą-ž] [Ą-Ž]”给了我：

"Įvairių r"

但是当我将我的母语字母和正则表达式更改为“[a-z] [A-Z]”时

"Ivairiu rusiuSkinti kardeliai"

我得到了预期的结果：

"Ivairiu rusi"

Answer 1

[a-z]表示“匹配a到z的字符”，对吧？我们作为人类倾向于认为显然b在a之后，c在b之后...等等所以a-z将覆盖所有小写字母。

然而，实际发生的是a-z匹配a和z之间的任何Unicode代码点，其中碰巧是所有小写字母

让我们看看±和ž之间的代码点。

ąĆćĈĉĊċČčĎďĐđĒēĔĕĖėĘęĚěĜĝĞğĠġĢģĤĥĦħĨĩĪīĬĭĮįİıIJijĴĵĶķĸĹĺĻļĽľĿŀŁłŃńŅņŇňʼnŊŋŌōŎŏŐőŒœŔŕŖŗŘřŚśŜŝŞşŠšŢţŤťŦŧŨũŪūŬŭŮůŰűŲųŴŵŶŷŸŹźŻżŽž

[ą-ž]将匹配以上任何字符！这不是你想要的，是吗？

要解决此问题，您可以

• 键入所有小写字母并将其放入[]。对大写的一样做，或者;
• 使用字符类，例如\p{Lu}表示大写，\p{Ll}表示小写。

Answer 2

[Ą-Ž]包括š。

for (char c = 'Ą'; c <= 'Ž'; ++c)
    System.out.print(c);

结果：

ĄąĆćĈĉĊċČčĎďĐđĒēĔĕĖėĘęĚěĜĝĞğĠġĢģĤĥĦħĨĩĪīĬĭĮįİıIJijĴĵĶķĸĹĺĻļĽľĿŀŁłŃńŅņŇňʼnŊŋŌōŎŏŐőŒœŔŕŖŗŘřŚśŜŝŞşŠšŢţŤťŦŧŨũŪūŬŭŮůŰűŲųŴŵŶŷŸŹźŻżŽ

但[A-Z]不包含s。

for (char c = 'A'; c <= 'Z'; ++c)
    System.out.print(c);

结果：

ABCDEFGHIJKLMNOPQRSTUVWXYZ