在Java正则表达式中处理Unicode符号

Question

我的任务是从带有数字和一些文本的字符串中解析整数值。 数字可以使用不同的语言环境设置格式：

15 000 km
15,000 km
15.000 km

我有一个解决方案：

(\d+[[\s\.,]?\d+]*)

适用于以上示例。 但是作为一种极端情况，有一个特殊的输入机密代码160而不是常规空格（代码32）：

15 000 km

如何使用Java中的正则表达式实现解决此问题？

拨弄它： http : //java-regex-tester.appspot.com/regex/5d8dd002-fe68-40c3-bf82-42e8574a2f5c

理想情况下，我想要一个通用的解决方案，该解决方案可以处理任何不可打印的字符。

Answer 1

您可以使用Pattern.UNICODE_CHARACTER_CLASS标志来使您的\\s Unicode感知：

String pattern = "(?U)\\d+[\\s.,]?\\d+";
                  ^^^

参见Java演示 ：

String value1 = "15 000 km\n15,000 km\n15.000 km\n15 000 km";
String pattern1 = "(?U)\\d+[\\s.,]?\\d+";
Pattern ptrn = Pattern.compile(pattern1);
Matcher matcher = ptrn.matcher(value1);
while (matcher.find())
    System.out.println(matcher.group(0));

输出：

15 000
15,000
15.000
15 000

Answer 2

为什么不包括其他分隔符（ \  ）？

(\\d+(?:[\\s.,\ ]?\\d+)*)

用UNICODE_CHARACTER_CLASS标志进行编译将使\\s匹配，但是有警告说它可能会变慢。 您必须进行测试以查看它对您的输入是否重要。

Answer 3

您可以使用这个简单的正则表达式，它匹配任意两个用0或多个非数字分隔的数字，即\\D ：

\d+\D*\d+

在Java中：

String regex = "\\d+\\D*\\d+";

\\D将匹配任何非数字，包括任何Unicode字符。

您更新的演示