在Java正则表达式中处理unicode符号

我的任务是从带有数字和一些文本的字符串中解析整数值。可以使用不同的地区设置数字的格式：

15 000 km
15,000 km
15.000 km

我有一个解决办法：

(\d+[[\s\.,]?\d+]*)

适用于以上示例。 但作为边缘情况，有一个特殊的输入，代码为160，而不是规则空间（代码32）：

如何使用java中的正则表达式实现来解决这个问题

摆弄它：

---

理想情况下，我想要一个通用的解决方案，它可以处理任何不可打印的字符。

您可以使用

模式.UNICODE\u character\u CLASS

标志，使您的

\s

能够识别UNICODE：

String pattern = "(?U)\\d+[\\s.,]?\\d+";
                  ^^^

见：

输出：

15 000
15,000
15.000
15 000

---

您可以使用这个简单的正则表达式来匹配由0或更多非数字分隔的任意2个数字，即

\D

：

\d+\D*\d+

在Java中：

String regex = "\\d+\\D*\\d+";

\D

将匹配任何非数字，包括任何unicode字符

---

为什么不添加额外的分隔符（

\u00a0

）

（\d+（？：[\s，\u00a0]？\d+*）

---

使用

UNICODE\u CHARACTER\u CLASS

标志编译将使

\s

匹配，但警告可能会更慢；您必须测试它对您的输入是否重要。

ASCII代码160是一个带有尖锐口音的a。不知道你是怎么收到的。你知道解析输入时的语言环境吗？如果是的话，您可以使用不同的方法，而不是一个catch-all正则表达式。例如，您可以使用strategy模式并为该区域的特定语法使用解析器。如果您有硬空格，只需确保您使用的是Unicode感知的

\s

。查看在没有

模式的情况下使用
\s
的位置。UNICODE\u CHARACTER\u CLASS

标志。像

（\d+[\s，\xA0]？\d+）

这样简单的东西如何使用

（\d+[\s，\xA0]？\d+）

我考虑过这种解决方案，但这对15公里15公里15 000公里不起作用

\d+\D*\d+

String regex = "\\d+\\D*\\d+";