大家好,又见面了,我是你们的朋友全栈君。
若要用JAVA正则表达式匹配中文字符,主要是了解中文字符的编码。
匹配中文字符:半角:[\u4e00-\u9fa5] ,全角:[ufe30-uffa0]
匹配中文符号: 。 ; , : “ ”( ) 、 ? 《 》的对应编码为:”[\u3002\uff1b\uff0c\uff1a\u201c\u201d\uff08\uff09\u3001\uff1f\u300a\u300b]”
英文字母:[a-zA-Z]
数字:[0-9]
下面的例子是要匹配出字符串中含有“《中英字符*》”的例子,并输出匹配内容,其中.表示除了行终止符之外的所有字符。
public static void main(String[] args) {
String patternStr = "\u300a.+\u300b";
Pattern pattern = Pattern.compile(patternStr);
String input = "《21世纪经济报道》记者";
Matcher matcher = pattern.matcher(input);
if (matcher.find()) {
int start = matcher.start();
int end = matcher.end();
System.out.println(input.substring(start, end));
}else{
System.out.println("not found");
}
//output: 《21世纪经济报道》
}
上例patternStr得到的匹配结果是最长的string。比如若input=”莫言作品《丰乳肥臀》,《红高粱》“, 那么输出的就是”《丰乳肥臀》,《红高粱》“。
若修改patternStr=”\u300a[^\u300a]+\u300b”; 即《》内的字符不能为《。 输出的结果就是《丰乳肥臀》。
当然若有具体的数据特征,可进一步改进pattern string。
最近要做一个中文数据的处理,查了一下蛮有意思的。
参考文献:
http://www.111cn.net/jsp/Java/46105.htm
http://blog.csdn.net/love_5209/article/details/23353907
发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/150561.html原文链接:https://javaforall.cn
【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛
【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...