正则表达式仅接受 Unicode答案

【问题标题】：Regex accept Unicode only正则表达式仅接受 Unicode
【发布时间】：2015-03-12 17:56:20
【问题描述】：

大家好，我需要制作一个符合以下要求的正则表达式：

字母数字可以包含任何有效的 Unicode 字符，包括空格或标点符号，但我们不应允许前导或尾随空格。

^[\\p{S}\\p{L}\\d\\p{P}][\\p{L}\\d\\p{P} ]{4,18}[\\p{L}\\d\\p{P}]$

现在我正在使用这个，但对于某些 unicode 字符无法正常工作，例如：§

我不是正则表达式的专家，所以我寻求帮助，谢谢。

【问题讨论】：

您需要定义“任何有效的 Unicode 字符”。您是否希望避免使用 Unicode 非字符代码点？您是否试图避免孤儿代理人？或者“任何”是否真的意味着属于您未指定的几个特定字符类别之一的字符？
任何有效的 unicode 字符表示 unicode 表中的每个字符。
重点是 Java Strings 已经包含以 UTF-16 编码的 Unicode 文本。不在 Unicode 代理代码点范围内的 Java chars 都是有效的 Unicode 字符。代理对也对应于 Unicode 代码点，尽管此类代码点的大空间没有分配给它们的字符。
没有单一的 Unicode 表。那么你的意思是Unicode映射一个字符的代码点吗？您的意思是包括明确指定不对应于任何字符的列表代码点？您是否需要考虑 BMP 之外的字符，这些字符将在 Java 中表示为代理对？
当你说前导和尾随空格不能出现时，看起来你可能意味着 Unicode 认为空格的字符，而不是文字空格字符，或者 Java 考虑空格。那么它是什么？

标签： java regex unicode

【解决方案1】：

由于您绝对允许除了尾随或前导空格之外的所有内容，那么也许您不需要正则表达式：

boolean valid = !string.startsWith(" ") && !string.endsWith(" ");

如果您的意思是尾随或前导空格，请尝试：

boolean valid = string.trim().equals(string);

【讨论】：

【解决方案2】：

这个正则表达式...

^(?:[^\p{Z}\p{Cc}](?:.*[^\p{Z}\p{Cc}]))$

... 匹配 Java Strings，既不以 Unicode 类别 Z（间距字符）或 Cc（控制字符）中的字符开始也不以字符结束。它将匹配空字符串；如果不应该这样做，可以稍微简化一下。它将接受未配对的代理，但如果需要，它们可以通过更复杂的正则表达式排除。它将接受未映射的 BMP 代码点和对应于未映射的补充代码点的代理对，我认为一般不能排除这些。

【讨论】：