Java 中的正则表达式 InOgham unicode答案

【问题标题】：Regex InOgham unicode in javaJava 中的正则表达式 InOgham unicode
【发布时间】：2023-02-21 00:23:09
【问题描述】：

我需要删除收到的字符串中的以下字符：

U+0020 (space)
U+00A0 (no-break space)
U+1680 (ogham space mark)
U+2000 (en quad)
U+2001 (em quad)
U+2002 (en space)
U+2003 (em space) 
U+2004 (three-per-em space) 
U+2005 (four-per-em space) 
U+2006 (six-per-em space) 
U+2007 (figure space) 
U+2008 (punctuation space) 
U+2009 (thin space) 
U+200A (hair space) 
U+202F (narrow no-break space) 
U+205F (medium mathematical space) 
U+3000 (ideographic space) 
U+2028 (line separator) 
U+2029 (paragraph separator)

我发现大多数列出的，我可以使用以下正则表达式删除：

\p{Zs}|\p{Zl}|\p{Zp}

这应该涵盖除 U+1680 之外的所有内容。根据this site，模式为奥格姆空间标记应该是\p{InOgham}，但是当我去正则表达式测试网站上测试时，没有人接受它。是否有具体的表达方式，或者\p{Zs} 也涵盖了它？

【问题讨论】：

InOgham 是whole ogham block。无论如何，\u1680 可能是一个安全的选择。

标签： java regex unicode

【解决方案1】：

Unicode 字符 U+1680 是一个 Ogham 空格标记，它不同于标准空格字符 (U+0020) 和您列出的其他空格字符。

在 Java 的正则表达式中，p{Z} 字符类表示任何 Unicode 分隔符，其中包括您列出的除 U+1680 之外的所有空格字符。因此，正则表达式p{Zs}|p{Zl}|p{Zp} 应该匹配您列出的除 U+1680 之外的所有空格字符。

要精确匹配 Ogham 空格标记 (U+1680)，您可以使用 p{InOgham} 字符类，它匹配 Ogham Unicode 块中的任何字符。下面是一个匹配您列出的所有空格字符（包括 U+1680）的正则表达式模式示例：

[p{Zs}p{Zl}p{Zp}p{InOgham}]

您可以将此模式与 String.replaceAll() 方法调用结合使用，以从字符串中删除所有出现的这些空格字符：

String input = "some string with spaces and u1680 ogham space marks";
String output = input.replaceAll("[\p{Zs}\p{Zl}\p{Zp}\p{InOgham}]", "");
System.out.println(output); // prints "somestringwithspacesandoghamspacemarks"

【讨论】：