Java正则表达式匹配拉丁对应字符的变音符号

我正在尝试使用一个正则表达式，比如

[编码]

，来匹配罗马尼亚字母的发音（ISO 8859-16/Windows-1250）。问题是正则表达式也会匹配a，i，s，t，a，i，s，t的正则表达式（上面提到的变音符号对应的拉丁字母），我不希望这样。 由于性能问题，我没有尝试逐个字符比较字符串

---

我是否可以让正则表达式与这些字符完全匹配？

我认为这是因为这些字符被视为两个Unicode代码点。我建议尝试使用\uFFFF这样的语法专门匹配代码点，其中FFFF是代码点。确切的语法将取决于您使用的正则表达式实现

请记住，Unicode字符可以编码为单个代码点，也可以编码为多个代码点，因此您需要考虑这一点。示例：编码为U+0061 U+0300和U+00E0的a

---

我希望这有帮助

如果您的正则表达式作为文本呈现文本存在，则它已被组合
并且应该作为不同的代码点存在

000074    t    LATIN SMALL LETTER T
+
000326    ̦    COMBINING COMMA BELOW
=
00021B    ț    LATIN SMALL LETTER T WITH COMMA BELOW

以防万一，您应该使用十六进制代码点来表示它们，即。

u\021B

Java引擎是否可能正在从正则表达式中剥离组合字符？
x21B在哪里变成x74？可能是这样

同时，如果您希望源中的字母不会呈现，则可以
使用类似正则表达式的

\p{Script=Latin}\p{Block=combing_Diacritical_Marks}

去拿那些

更新信息：
在搜索实际解决方案时，我发现了以下Java信息
从

在Java中，regex标记\uFFFF仅与指定的 代码点，即使启用了规范等价性。 但是，同样的语法\uFFFF也用于插入 在Java源代码中将Unicode字符转换为文字字符串 代码。Pattern.compile（“\u00E0”）将与 a的单码点和双码点编码， 而Pattern.compile（“\u00E0”）只与 单代码点版本。记住，当你写一篇文章的时候 正则表达式作为Java字符串文本，必须转义反斜杠。 前一个Java代码编译正则表达式，而后一个代码编译正则表达式 编译\u00E0。取决于你在做什么 差异可能很大

因此，通过在类中输入对偶文本，它看起来像是

Pattern.compile（“[a]”）

实际上会匹配

000061    a    LATIN SMALL LETTER A
or
000300    ̀    COMBINING GRAVE ACCENT
or
0000E0    à    LATIN SMALL LETTER A WITH GRAVE  

在类中放置代理项对时，也会出现同样的问题。
有一个解决办法

避免在类中输入这些文本。
相反，将它们作为一系列的替代品

（？：á| | | | |）

这样做会迫使它匹配

000061    a    LATIN SMALL LETTER A
000300    ̀    COMBINING GRAVE ACCENT

或

它不会像你现在看到的那样与独立于坟墓的

a

相匹配

注意-如果只使用“[\\u00E0]”，您将错过

a+grave

---

这是有效的。

正如Unicode中已经提到的，有两种选择

'\u0061'    'a'   LATIN SMALL LETTER A
'\u0300'     ̀     COMBINING GRAVE ACCENT

或

有一种方法可以“规范化”为任何一种形式（并处理连字）：

使用“（？u）”或带有Pattern.compile with UNICODE标志的标志可能已经解决了这个问题。但是使用不带单独拉丁语（

'a'

）的Unicode变体肯定可以

---

规范化器应该特别应用于搜索的字符串。

您使用的是什么正则表达式引擎/语言？这不应该发生，看，这是事实。您能提供一个Java演示来展示您所描述的行为吗？编辑器可以通过多种方式写出这样的字符，因此可以按照您的建议使用unicode转义序列，以及对输入字符串进行规范化（请参阅Normaliser和教程）在相同逻辑字符串的不同编码之间保证一致的行为可能是明智的。

'\u0061'    'a'   LATIN SMALL LETTER A
'\u0300'     ̀     COMBINING GRAVE ACCENT

'\u00E0'    'à'   LATIN SMALL LETTER A WITH GRAVE  

String regex = "(?u)[ăâîșțĂÂÎȘȚ]";
regex = Normalizer.normalize(regex, Form.NFC); // Composed form
Pattern pattern = Pattern.compile(regex);