用於匹配 Unicode 模式的正則表達式

Question

我正在嘗試在上傳文件時驗證文件的內容，但我堅持使用 Unicode 編碼。 我對找到不在 ASCII 范圍內的 Unicode 特殊字符不感興趣。 我試圖找出文件的內容是否至少包含一種 Unicode 模式，例如 \F。

例如，我排除了任何包含“script”字樣的文件，但如果該文件包含用 Unicode 編寫的這個字詞怎么辦？ 當然，Java 在讀取內容時會將其解碼為普通字符串，但是如果我不能依賴它呢？

所以，據我在互聯網上搜索，我看到過像\F 這樣寫的Unicode 字符，或者像U+0046 這樣寫的Unicode 字符。 基於此，我編寫了以下正則表達式：

(\\u|U\+)....

這意味着 \\u 或 U+ 后跟四個字符。 這種模式實現了我的願望，但我想知道是否還有其他方法可以編寫 Unicode 字符。 它總是 \\u 或 U+？ \\u 或 U+ 之后可以多於或少於 4 個字符嗎？

謝謝

Answer 1

屬於 Unicode 的符號 U+任意數量的十六進制數字在代碼中的任何地方都不起作用。 在 java 源代碼和 *.properties \\u\u003c/code>后跟四個十六進制數字是 Unicode 的 UTF-16 編碼，自動解析。

要搜索的模式：

"\\\\u[0-9A-Fa-f]{4}"

或者一個 String.contains ：

"\\u"

對於完整的 UTF-32 范圍，在 Java \\Uxxxxxx其他語言中\\Uxxxxxx （六個十六進制字符）是可能的。 不幸的是，Java 8 並非如此。