Java RegEx模式中Alnum和IsAlphabetic字符类的关系答案

【问题标题】：Relationship between Alnum and IsAlphabetic character classes in Java RegEx patternsJava RegEx模式中Alnum和IsAlphabetic字符类的关系
【发布时间】：2019-09-08 13:19:51
【问题描述】：

看着Javadoc for java.util.regex.Pattern

\p{Alnum} 一个字母数字字符：[\p{IsAlphabetic}\p{IsDigit}]

似乎每个匹配\p{IsAlphabetic} 的字符也应该匹配\p{Alnum}

但是，当字符有重音时，情况似乎并非如此。例如，以下断言失败：

assertEquals("é".matches("\\p{IsAlphabetic}+"),"é".matches("\\p{Alnum}+"));

对于其他带有重音符号的字符（例如ą、ó、ł、źż）也会发生同样的情况。所有匹配 \p{IsAlphabetic}+ 但不匹配 \p{Alnum}+

我是否误解了 Javadoc？或者这是文档或实现中的错误？

【问题讨论】：

\p{Alnum} 仅匹配 ASCII 字母和数字。使用Pattern.UNICODE_CHARACTER_CLASS 选项使其完全支持Unicode。
@WiktorStribiżew 成功了。非常感谢！
如果您阅读您引用的文档页面，您将看到 \p{Alnum} = [\p{Alpha}\p{Digit}] 和 \p{Alpha} = [\p{Lower}\p{Upper}] 和 \p{Lower} = [a-z] 和 \p{Upper} = @ 987654343@

标签： java regex unicode posix

【解决方案1】：

默认情况下，\p{Alnum} 被视为 POSIX 字符类，这意味着它只会匹配 ASCII 字符。这意味着它将匹配 a 和 1 但不匹配 ä 或 ١。

您引用的段落仅在使用UNICODE_CHARACTER_CLASS 标志时适用。

有点过于简单了，这个标志会将“旧”POSIX 样式字符类转换为等效的 Unicode 字符类。

【讨论】：

它实际上就在文档中，但它的措辞方式，我在第一次阅读时没有得到它。干杯！

【解决方案2】：

您对文档的引用很好但是您错过了阅读该表之前的行：

以下预定义字符类和POSIX字符类符合Unicode Regular Expression的附录C：兼容性属性的建议， 当指定UNICODE_CHARACTER_CLASS 标志时。

如果您阅读您引用的文档页面，您会看到 \p{Alnum} = [\p{Alpha}\p{Digit}] 和 \p{Alpha} = [\p{Lower}\p{Upper}] 和 \p{Lower} = [a-z] 和 \p{Upper} = [A-Z]。

因此，\p{Alnum} 仅在未设置 UNICODE_CHARACTER_CLASS 标志时匹配 ASCII 字母（和数字），而默认情况下 \p{L} (=\p{IsAlphabetic}) 匹配所有 Unicode 字母（不需要标志）。

【讨论】：