Java 正则中文

1. 介绍

正则表达式是一种用来匹配字符串的强大工具，它可以用于字符串的验证、查找、替换等操作。在 Java 中，我们可以使用内置的正则表达式库对中文字符进行匹配。

本文将详细介绍在 Java 中使用正则表达式操作中文字符的相关知识，包括中文字符的匹配、中文字符的提取等。

2. 正则表达式基础

2.1. 字符组

在正则表达式中，可以使用字符组（Character Class）来匹配多个字符。例如，对于字符组 [abc]，它可以匹配字符 ‘a’、’b’ 或 ‘c’ 中的任意一个。

要匹配一个中文字符，可以使用范围字符组，如 [\u4e00-\u9fa5]，表示匹配一个汉字。其中 \u4e00 是汉字的起始字符编码，而 \u9fa5 是汉字的结束字符编码。

下面是一个匹配中文字符的示例代码：

import java.util.regex.*;

public class ChineseMatch {
    public static void main(String[] args) {
        String text = "你好，世界！";
        Pattern pattern = Pattern.compile("[\\u4e00-\\u9fa5]");
        Matcher matcher = pattern.matcher(text);

        while (matcher.find()) {
            System.out.println(matcher.group());
        }
    }
}

运行上述代码，输出为：

你
好
世
界

该正则表达式匹配了字符串中的每一个中文字符，并将其打印出来。

2.2. 边界匹配

在正则表达式中，可以使用边界匹配的元字符来限定匹配的位置。常用的边界匹配元字符有 ^ 和 $。

^ 表示匹配字符串的开头。例如，正则表达式 ^Hello 匹配以 “Hello” 开头的字符串。
$ 表示匹配字符串的结尾。例如，正则表达式 World$ 匹配以 “World” 结尾的字符串。

下面是一个示例代码，演示了边界匹配的用法：

import java.util.regex.*;

public class BoundaryMatch {
    public static void main(String[] args) {
        String text = "Hello, World!";
        Pattern pattern = Pattern.compile("^Hello");
        Matcher matcher = pattern.matcher(text);

        if (matcher.find()) {
            System.out.println("Match found!");
        } else {
            System.out.println("Match not found!");
        }
    }
}

运行上述代码，输出为：

Match found!

该正则表达式匹配了以 “Hello” 开头的字符串。

2.3. 量词

在正则表达式中，可以使用量词（Quantifiers）来限定匹配的次数。常用的量词包括 *、+、? 和 {m,n}。

* 表示匹配前面的字符零次或多次。例如，正则表达式 [0-9]* 匹配一个由数字组成的字符串。
+ 表示匹配前面的字符一次或多次。例如，正则表达式 [0-9]+ 匹配一个至少包含一个数字的字符串。
? 表示匹配前面的字符零次或一次。例如，正则表达式 colou?r 匹配 “color” 或 “colour”。
{m,n} 表示匹配前面的字符至少 m 次，最多 n 次。例如，正则表达式 [0-9]{3,5} 匹配一个包含 3 到 5 个数字的字符串。

2.4. 转义字符

在正则表达式中，某些字符具有特殊的含义，如 .、*、+、? 等。如果要匹配这些特殊字符，需要使用转义字符 \。

例如，正则表达式 \.txt 匹配以 “.txt” 结尾的字符串。

3. 中文字符匹配

在 Java 的正则表达式中，可以使用 \p{script=Han} 来匹配中文字符。其中 Han 是汉字字符的 Unicode 脚本名称。

下面是一个示例代码，演示了匹配中文字符的用法：

import java.util.regex.*;

public class ChineseCharacterMatch {
    public static void main(String[] args) {
        String text = "你好，世界！";
        Pattern pattern = Pattern.compile("\\p{script=Han}");
        Matcher matcher = pattern.matcher(text);

        while (matcher.find()) {
            System.out.println(matcher.group());
        }
    }
}

运行上述代码，输出为：

你
好
世
界

该正则表达式匹配了字符串中的每一个中文字符，并将其打印出来。

4. 中文字符的提取

使用正则表达式提取中文字符的方法有多种，这里介绍两种常用的方法。

4.1. 使用字符组提取中文字符

通过使用字符组和量词的方式，可以提取出所有的中文字符。

下面是一个示例代码，演示了使用字符组提取中文字符的方法：

import java.util.regex.*;

public class ChineseCharacterExtraction {
    public static void main(String[] args) {
        String text = "你好，世界！";
        Pattern pattern = Pattern.compile("[\\p{script=Han}]+");
        Matcher matcher = pattern.matcher(text);

        while (matcher.find()) {
            System.out.println(matcher.group());
        }
    }
}

运行上述代码，输出为：

你好
世界

该正则表达式提取出了字符串中的每一个中文字符，并将其打印出来。

4.2. 使用边界匹配和字符组提取中文字符

通过使用边界匹配的元字符和字符组的方式，可以提取出每个中文字符。

下面是一个示例代码，演示了使用边界匹配和字符组提取中文字符的方法：

import java.util.regex.*;

public class ChineseCharacterExtraction2 {
    public static void main(String[] args) {
        String text = "你好，世界！";
        Pattern pattern = Pattern.compile("\\b\\p{script=Han}\\b");
        Matcher matcher = pattern.matcher(text);

        while (matcher.find()) {
            System.out.println(matcher.group());
        }
    }
}

运行上述代码，输出为：