从正则表达式范围中排除某些字符

Question

我有一个正则表达式，用于选择unicode范围内的单词

[\u0D80-\u0DFF]*

我想排除包含某个字符的字词，例如\ u0D92。

我该如何更改表达式？

Answer 1

建立两个范围;也就是说，在你想要排除的值的范围内留出差距......

[\u0D80-\u0D91\u0D93-\u0DFF]*

Answer 2

.Net支持Character Class Subtraction的另一种表示法：

[\u0D80-\u0DFF-[\u0D92]]*

示例（使用.Net引擎）：http://regexstorm.net/tester

Answer 3

您可以通过

从字符类中减去字符

[\u0D80-\u0DFF&&[^\u0D92]]*

[a-z&&[^egi]]匹配a到z之外的所有字符，e，g和i除外。

Answer 4

使用前瞻来实现集合交集：

(?x)(?:
     (?!\x{d92})
     [\x{d80}-\x{dff}]
)

创建符合您标准的原子。随意取得资格。

我不相信你的\uXXXX符号。当你看到使用它的东西时，它总是一个坏的迹象，因为它是一些古老的Unicode 1遗留符号，它只假设平面0。这意味着它从Unicode 2开始就没那么有用，这可以追溯到上一个千年。如果可能的话，我会避免它，因为你不想陷入不适合16/17的Unicode命名空间的坏习惯。

因此我使用了Java 7，ICU和Perl中使用的标准\x{...}符号，这种符号与Unicode的Planes 1-16不相符。实际上，在使用UTF-16表示的语言中（是的，Java，我正在看着你），这是进行非BMP范围的唯一可能方式。