用於匹配Unicode模式的正則表達式

我想在上傳時驗證文件的內容，並且堅持使用Unicode編碼。我不想找到Unicode特殊字符，它們不在ASCII範圍內。我正在嘗試查找文件的內容是否至少包含一個Unicode模式，例如\ u0046。用於匹配Unicode模式的正則表達式

例如，我排除了包含'腳本'單詞的任何文件，但如果文件包含以Unicode編寫的單詞，該怎麼辦？當然，當Java讀取內容時，Java將它解碼爲一個普通的字符串，但如果我不能依賴這個呢？因此，據我在互聯網上搜索，我已經看到了像\ u0046，或像U + 0046寫的Unicode字符。基於此，我寫了以下正則表達式：

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

這意味着\ u或U +後跟四個字符。這種模式實現了我的願望，但我想知道是否有其他方法來編寫Unicode字符。它總是\ u或U +？ \ u或U +後可以多於或少於4個字符？

由於

來源

2016-04-27 Lucian Olosutean

不知道你想達到什麼。例如，還有一些XML字符像「」這樣的轉義字符以及其他無數轉義字符的方法。 – Henry

我必須在字符串中搜索Unicode字符，而不是Unicode代碼的含義。例如，U + 0061是「a」字母，但我不想匹配字母本身，而是匹配Unicode序列（代碼）的外觀。所以，如果在文件內容中出現像U + 0061或\ u0061這樣的序列，我必須阻止該文件。所以我想知道我是否可以爲此創建一個模式。 –

回去一步。危險很大程度上取決於文件的類型（即以後如何使用），而非實際內容。例如U + 0046在大多數情況下都是無害的。因此，您希望通過此驗證達到什麼目的很有意思。你檢查哪些文件，... – Henry

任何-數的 - 己數字屬於爲Unicode的符號U + 將不起作用在代碼的任何地方。在java源代碼和* .properties \u後跟四個十六進制數字是Unicode的UTF-16編碼，自動解析。

來搜索的模式：

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

還是一個String.contains上：

"\\u"

在除Java \Uxxxxxx其他語言（六個內六角字符）是可能的，完整的UTF -32範圍。不幸的是，Java 8並非如此。

來源

2016-04-27 13:35:08

如何編寫正則表達式來匹配像這樣的模式？ude08yo？ '喲'是字連接到unicode'\ ude08'，我需要一種方法來分開他們，任何想法？ –

用於匹配Unicode模式的正則表達式

回答

相關問題