Java '；什么时候开始'；在正则表达式中不匹配？

我遇到了以下问题（简化）。我写了以下内容

Pattern pattern = Pattern.compile("Fig.*");
String s = readMyString();
Matcher matcher = pattern.matcher(s);

在读取一个字符串时，匹配器无法匹配，即使它以“Fig”开头。我在字符串的下一部分找到了一个流氓字符。它的代码点值为1633

(int) charAt(i)

但与正则表达式不匹配。我认为这是由于输入过程中的某个地方使用了非UTF-8编码

他们说：

预定义字符类 . 任何字符（可能与行终止符匹配，也可能不匹配）

这可能不是严格意义上的字符，但仍然是字符串的一部分。如何检测此问题

---

更新：这是由于（字符）10这是不容易发现。我上面的诊断是错误的，下面的所有答案都与所问的问题相关，并且非常有用。

Java正则表达式中的

字符与除行终止符以外的任何字符匹配，除非在编译模式时使用标志

Pattern.DOTALL

为此，您将使用如下模式：

Pattern p = Pattern.compile("somepattern", Pattern.DOTALL);

---

检查这一点很容易：

import java.util.regex.*;

public class Test {
    public static void main(String[] args) {
        Pattern pattern = Pattern.compile(".");
        for (char c = 0; c < 0xffff; c++) {
            String text = String.valueOf(c);
            if (!pattern.matcher(text).matches()) {
                System.out.println((int) c);
            }
        }
    }
}

其中，10和13分别为“\n”和“\r”。133（U+0085）是“下一行”，8232（U+2028）是“行分隔符”，8233（U+2029）是“段落分隔符”

请注意：

• 这不会测试基本多语言平面之外的任何Unicode字符
• 它只使用默认选项
• 这似乎与你对1633（U+0661）角色的体验相矛盾

---

关于使用正则表达式非打印字符，您可以阅读以下两篇文章：

即使您完全使用UTF，也会有很多惊喜。

根据，

可以有3种稍有不同的解释，具体取决于标志

默认情况下

将在禁用模式和模式时排除（默认）：

行终止符是一个一个或两个字符的序列，用于标记输入字符序列行的结束。以下是公认的线路终端：

• 换行符（换行符）字符（

  '\n'

  ）
• 紧接着换行符（

  “\r\n”

  ）的回车符
• 独立的回车符（

  '\r'

  ）
• 下一行字符（

  '\u0085'

  ）
• 行分隔符（

  '\u2028'

  ），或
• 段落分隔符（

  '\u2029'

  ）

这意味着在这种情况下，

相当于

[^\n\r\u0085\u2028\u2029]

当启用了

UNIX\u行

模式，但禁用了

DOTALL

模式时 当启用模式但禁用模式时，

将仅排除

\n

。这意味着在这种情况下，

相当于

[^\n]

如果模式被激活，则唯一识别的行终止符是换行符

启用

DOTALL

模式时 如果启用模式，

将匹配任何字符，无例外

正则表达式

匹配除行终止符以外的任何字符，除非指定了标志

---

你能举一个由

readMyString（）

返回的

字符串的例子吗？不，因为我认为它会被剪切和粘贴损坏（有问题的字符不会打印），我用
“Fig\u0661”
试过，它匹配正确。@Howard是的-如果你自己构造字符串，它就可以工作。到1633，你是说1633（十进制）吗或者0x661（十六进制）：？检查是一种方法，但是文档在这一点上应该足够清楚。@nhahdh：是的，这是公平的。查看哪些字符算作换行符很有用：）您还可以使用模式字符串开头的
（？s）
将选项表示为标志，如下所述：。如果使用更紧凑的语法，或者在我的例子中使用Scala，这可能会更方便。
10
13
133
8232
8233