在 Objective-C 中匹配 CJK 扩展 B答案

【问题标题】：Match CJK extension B in Objective-C在 Objective-C 中匹配 CJK 扩展 B
【发布时间】：2017-04-23 11:35:19
【问题描述】：

我在尝试匹配 NSString 中的 CJK 扩展 B 字符时遇到问题。

Wikipédia CJK Unified Ideographs Extension B :

CJK 统一表意文字扩展 B 是一个 Unicode 块，包含罕见的和历史悠久的 CJK 表意文字，用于中文、日文、韩文和越南语。

字符的unicode块是：从U+20000到U+2A6DF 我正在使用正则表达式：[\\ud840-\\ud868][\\udc00-\\udfff]|\\ud869[\\udc00-\\uded6]来匹配 CJK 扩展 B 字符。

这是我的代码：

NSString *searchedString = @"????"; // First character (U+20000) 

NSString *pattern = @"[\\ud840-\\ud868][\\udc00-\\udfff]|\\ud869[\\udc00-\\uded6]";

 NSRegularExpression *regex = [NSRegularExpression regularExpressionWithPattern:pattern options:NSRegularExpressionCaseInsensitive error:nil];
if ([regex numberOfMatchesInString:searchedString options:0 range:NSMakeRange(0, [searchedString length])] > 0) {
    NSLog(@"matches");
} else {
    NSLog(@"doesn't match");
}

输出：doesn't match

例如，如果我为平假名字符尝试更简单的方法，它会起作用：

NSString *searchedString = @"ひ";

NSString *pattern = @"[\\u3040-\\u309F]";

输出：matches

任何帮助将不胜感激。谢谢。

【问题讨论】：

您的模式无效。非捕获组语法为(?:...)。此外，末尾的 g 代表文字字母 g - 是有意的吗？
是否有可能因为值在UTF-16 而不是UTF-8 而无法正常工作？
@WiktorStribiżew 抱歉，我在格式化消息时不小心删除了 (?:.. 部分。为了更简单，我更新了我的问题
使用\UXXXXXXX 表示法怎么样？试试NSString *pattern = @"[\\U00020000-\\U0002A6DF]+";
@WiktorStribiżew 非常感谢，它有效！

标签： objective-c regex unicode cjk

【解决方案1】：

您可以使用\Uxxxxxxxx 表示法来匹配 BMP 平面之外的那些 Unicode 字符。

累加。致ICU regex docs：

\Uhhhhhhhh 匹配具有十六进制值 hhhhhhhh 的字符。即使最大的 Unicode 代码点是 \U0010ffff，也必须提供正好 8 个十六进制数字。

所以，使用

NSString *pattern = @"[\\U00020000-\\U0002A6DF]+";

见online Obj-C demo

【讨论】：