在Java中匹配泰文脚本字符

在过去的两个小时里，我有很多性感的时间与泰国脚本字符串滑入我的数据库。它们神秘地排列，在输出时发生变异，没有自然的秩序，是一场灾难

我只想忽略任何带有泰语脚本字符的字符串，但我不知道如何：

---

Pattern.compile（“\\p{Thai}”）

在初始化时失败<代码>”[ก-๛]"-这样行吗？正确的方法是什么？

Thai

是一个Unicode块，Unicode块应指定为

\p{In…}

：

Pattern.compile("\\p{InThai}") 

---

当您指的是Unicode脚本时，不应使用Unicode块。例如，一个฿，即Unicode中泰国货币符号泰铢的代码点U+0E3F，是一个

\p{Block=THAI}

ᴀᴋᴀ

\p{InThai}

字符，但它不是

\p{Script=Thai}

ᴀᴋᴀ

\p{IsThai}

字符。它是

\p{Script=Common}

集合的货币符号

希腊语块中有18个代码点不在希腊语脚本中，希腊语脚本中有250个代码点不在希腊语块中

---

幸运的是，您不必担心泰国人，因为从Unicode 6.0开始，这里只有U+0E3F是一个异常值。您在这方面更加幸运，因为标准Java在Java 7之前不支持Unicode脚本；奇怪但真实。对于JDK7之前版本中的Unicode脚本支持，您必须使用JNIICU regex库，就像谷歌为Android上的Java所做的一样。尽管他们的做法有很多好处，所以即使是JNI，也值得考虑。

“我有很多性感的时间与。。。"你确定你要找的是“性感”这个词吗？我指的是不知道它是如何应用的，但没关系…：-）+1在投票和删除我的答案之前，刚刚尝试了一次测试编译/运行，以确保正确无误。

Pattern

对上述内容感到满意。@Daniel:十年前的Unicode 3.0列表有什么好处，当时Unicode已经升级到了6.0去年的？：（我知道问题是关于Java的，但对于Perl来说，5.6以后的版本

\p{Script=Thai}

可以写成

\p{Thai}

（

\p{IsThai}

也可以用于向后兼容）。