Java 为什么[a-z][a-z]与[ą；-ž；][Ą；-Ž；]给出不同的结果？

我正在尝试拆分文本，其中有一个小写字母后跟一个大写字母

假设文本是：

“瓦伊里·雷什伊斯金蒂·卡德利莱”

我想在“ųS”处拆分它，但下面的正则表达式“[ą-ž][Ą-Ž]”给了我：

“瓦伊里”

但是当我把我的母语字母和正则表达式改为“[a-z][a-z]”

“Ivairiu rusiuSkinti kardeliai”

我得到了预期的结果：

---

“Ivairiu rusi”

[Ą-Ž]

包括

for (char c = 'Ą'; c <= 'Ž'; ++c)
    System.out.print(c);

但是
[A-Z]
不包括
s

for (char c = 'A'; c <= 'Z'; ++c)
    System.out.print(c);

[Ą-Ž]
包括

for (char c = 'Ą'; c <= 'Ž'; ++c)
    System.out.print(c);

但是
[A-Z]
不包括
s

for (char c = 'A'; c <= 'Z'; ++c)
    System.out.print(c);

[a-z]
的意思是“从a到z匹配一个字符”，对吗？我们人类倾向于认为b在a之后，c在b之后。。。等等，所以a-z将覆盖所有小写字母

然而，实际发生的是
a-z
匹配
a
和
z
之间的任何Unicode代码点，这恰好是所有小写字母

让我们看看ą和ą之间的代码点

ąĆćĈĉĊċČčĎďĐđĒēĔĕĖėĘęĚěĜĝĞğĠġĢģĤĥĦħĨĩĪīĬĭĮįİıIJijĴĵĶķĸĹĺĻļĽľĿŀŁłŃńŅņŇňʼnŊŋŌōŎŏŐőŒœŔŕŖŗŘřŚśŜŝŞşŠšŢţŤťŦŧŨũŪūŬŭŮůŰűŲųŴŵŶŷŸŹźŻżŽž

[ą-ž]
将匹配上述任何字符！那不是你想要的，是吗

要解决这个问题，您可以


键入所有小写字母并将其放入
[]
中。对大写字母执行相同的操作，或
使用字符类，如
\p{Lu}
表示大写，
\p{Ll}
表示小写
[a-z]
的意思是“从a到z匹配一个字符”，对吗？我们人类倾向于认为b在a之后，c在b之后。。。等等，所以a-z将覆盖所有小写字母

然而，实际发生的是
a-z
匹配
a
和
z
之间的任何Unicode代码点，这恰好是所有小写字母

让我们看看ą和ą之间的代码点

ąĆćĈĉĊċČčĎďĐđĒēĔĕĖėĘęĚěĜĝĞğĠġĢģĤĥĦħĨĩĪīĬĭĮįİıIJijĴĵĶķĸĹĺĻļĽľĿŀŁłŃńŅņŇňʼnŊŋŌōŎŏŐőŒœŔŕŖŗŘřŚśŜŝŞşŠšŢţŤťŦŧŨũŪūŬŭŮůŰűŲųŴŵŶŷŸŹźŻżŽž

[ą-ž]
将匹配上述任何字符！那不是你想要的，是吗

要解决这个问题，您可以


键入所有小写字母并将其放入
[]
中。对大写字母执行相同的操作，或
使用字符类，如
\p{Lu}
表示大写，
\p{Ll}
表示小写
我会选择字符类，因此您只需要说“小写后大写”，只要regexp引擎正确地传递它们（我假设Java也是这样）。例如，由于Unicode指出范围ą-ž不包括a-z，因此它与常规拉丁字母不匹配。添加您正在使用的实际代码将使回答问题更容易。我会选择字符类，因此您只需要说“小写后跟大写”，前提是regexp引擎正确地传递了它们例如，由于Unicode指向的范围ą-ž不包括a-z，因此它与常规拉丁字母不匹配。添加您正在使用的实际代码将使回答问题变得更容易。将表达式更改为“（\p{Ll}\p{Lu}）”，它可以工作。谢谢。将表达式更改为“（\p{Ll}\p{Lu Lu}”很有效，谢谢。