如何使用 .net 匹配 Unicode 字符？答案

【问题标题】：How to match Unicode character using .net?如何使用 .net 匹配 Unicode 字符？
【发布时间】：2015-07-29 15:52:06
【问题描述】：

我想使用正则表达式匹配 Unicode 字符。我发现这可以使用Unicode Category or Block 或更准确地使用这些Unicode Categories 和Supported Named Blocks。

问题是我无法使用LINQPAD 4 和Regex.IsMatch 函数使其工作。例如，尝试像这样匹配一个简单的拉丁字符：

Console.WriteLine(Regex.IsMatch("d", @"[\0000-\007F]+"));

引发以下错误：

ArgumentException4 解析 "[\0000-\007F]+" - [x-y] 范围反向顺序。

并使用这个：

Console.WriteLine(Regex.IsMatch("d", @"\L{IsBasicLatin}{1}"));

给我：

解析“\L{IsBasicLatin}{1}” - 无法识别的转义序列 \L。

在我的实际情况中，我将用IsCyrillic 替换IsLatin，但我需要让它与拉丁语一起使用以确保它是OK。

谁能告诉我做错了什么？

【问题讨论】：

我相信您使用了错误的转义字符。查看手册：msdn.microsoft.com/en-us/library/20bw873z%28v=vs.110%29.aspx。您要查找的字符是 \p imo。
所有字符都是 Unicode。那么，问题是什么？

【解决方案1】：

您正在使用字符的octal representation 而不是十六进制，这会创建一个无效范围（因为首先，\000 被解析为八进制字符，然后遇到0-\007 并且导致错误，因为0 有一个32 十进制代码）。

使用\x 或\u 表示法，例如：

[\x00-\x7F]+

这将捕获整个 ASCII 范围以及控制字符（包括 NULL 符号）。

第二个问题，你需要使用\p和脚本名称，例如

\p{IsBasicLatin}

查看更多关于Unicode categories here的信息。

【讨论】：