Java 用于匹配Unicode模式的正则表达式

我试图在上传文件时验证文件的内容，但我被Unicode编码卡住了。我对查找不在ASCII范围内的Unicode特殊字符不感兴趣。我正在尝试查找文件内容是否至少包含一个Unicode模式，例如\u0046

例如，我排除了任何包含“script”单词的文件，但是如果该文件包含这个用Unicode编写的单词呢？当然，Java在读取内容时会将其解码为普通字符串，但是如果我不能依赖它呢

所以，就我在互联网上的搜索而言，我看到过类似于\u0046或U+0046的Unicode字符。基于此，我编写了以下正则表达式：

(\\u|U\+)....

这意味着，\u或u+后跟四个字符。这个模式实现了我的愿望，但我想知道是否还有其他方法来编写Unicode字符。它总是\u或u+？在\u或u+之后可以多于或少于4个字符吗

谢谢

属于Unicode的符号U+任何数量的十六进制数字在代码中都不起作用。在java源代码和*.properties

\u

中，后跟四个十六进制数字是自动解析的Unicode UTF-16编码

要搜索的模式：

"\\\\u[0-9A-Fa-f]{4}"

或字符串。包含在：

"\\u"

---

对于完整的UTF-32范围，可以使用Java以外的其他语言（六个十六进制字符）。不幸的是，对于Java 8，情况并非如此。

不确定您想要实现什么。例如，还有XML字符转义，如

和#160

和无数其他转义字符的方法。我必须搜索字符串中的Unicode字符，但不能搜索Unicode代码的含义。例如，U+0061是“a”字母，但我不想匹配字母本身，而是匹配Unicode序列（代码）的外观。因此，如果文件内容中出现任何类似U+0061或\u0061的序列，我必须阻止该文件。所以我想知道我是否可以为这个创建一个模式。返回一步。什么是危险的在很大程度上取决于文件的类型（即以后如何使用），而不是实际内容。例如，U+0046在大多数情况下是无害的。因此，您希望通过此验证实现什么是有趣的。您要检查哪些文件，…我已经对文件的内容进行了一些其他验证。我有一些模式可以发现url、导入、src、脚本、javascript等的错误用法。文件的内容被保存，然后重命名并像定制css一样加载到我们的应用程序中。我的客户要求我根本不支持Unicode，所以我正在努力找到解决方案。我看到，当我阅读内容时，Java会解码一系列Unicode字符，如果这是一个坏单词，它可能无法通过其他验证，但我仍然必须排除Unicode:）我仍然不相信这是一种有效的方法，但请记住这一警告，您的模式很好，但U+后面可以跟4位以上，例如U+10FFFF如何编写正则表达式来匹配这样的模式\ude08yo？“yo'是连接到unicode'\ude08'的单词，我需要一种方法来将它们分开，知道吗？@AmeenMaheen我想\ude08是一个低代理字符，一对字符组成一个高unicode代码点。（我可能会出错。）下面的高级代理字符的两个字节永远不会被编码（由UTF-16）为两个ASCII字节“yo”-因此我无能为力。现在我解决了这个问题，使用java库中一个名为StringEscapeUtils的类来转义文本。现在这不是问题