捕获U+的正则表达式；Java中的XXXX（或\uxxx）字符

我一直在尝试使用PDFBox创建PDF，但失败了，出现了如下错误：

java.lang.IllegalArgumentException:U+0083在此字体的编码中不可用：WinAnScienceODing

我想知道是否有一种方法可以使用正则表达式捕获这些元素，我已经尝试使用

(\\[a-z]00[0-9][0-9])

如果我使用RegexTool（比如RegexBuddy）进行验证，但在Java中不起作用，那么它似乎可以正常工作！我尝试过使用Java模式和Matcher，但没有成功。我对Pattern Matcher所做的工作如下：

import java.util.regex.Pattern;
import java.util.regex.Matcher;
public class MatcherFindStartEndExample {

public static void main(String[] args) {

    String text    =
            "IMTECH Ã\u0083¢Ã\u0082Â\u0080Ã\u0093Â\u0083 " + 
            "ERCC Ã\u0099¢à PLANNED ";

    String patternString = "(\\[a-z]00[0-9][0-9])";

    Pattern pattern = Pattern.compile(patternString);
    Matcher matcher = pattern.matcher(text);

    int count = 0;
    while(matcher.find()) {
        count++;
        System.out.println("found: " + count + " : "
                + matcher.start() + " - " + matcher.end());
    }
  }
}

我现在看到的文本是这样的

IMTECHÃ\u0083Ã\u0082\u0080Ã\u0093\u0083 ERCCÃ\u0099Ã

---

谢谢

我假设您希望匹配字面上的“\u0083”，而不是它所代表的unicode字符。

---

试试

（\\\\u00[0-9][0-9]）

您的patternString逐字搜索文本，而不是字符。 您可以搜索如下字符列表：

String patternString = "[\u0083|\u0082|\u0080]";

String patternString = "[\u0080-\u0090]";

或者对于这样的列表：

String patternString = "[\u0083|\u0082|\u0080]";

String patternString = "[\u0080-\u0090]";

---

此正则表达式将找到所有

反斜杠
+
u
+
4位

String patternString = "[\\\\]+[u]+\\d{4}";

输出：

发现:1:8-14

查询时间:2:17-23

发现时间：3:24-30

发现时间：4:31-37

发现:5:38-44

查询时间:6:51-57

我不确定您到底想在这里做什么，但是
“\u0083”
是一个表示一个字符而不是六个字符的字符。它不会被正则表达式
“.0083”
匹配，但会被
“
匹配

另外，
“\\”
表示Java字符串中的一个字符，即反斜杠；在正则表达式中，单个反斜杠转义以下字符。在本例中，
“\\[”
匹配一个文本开头方括号字符

但所有这些可能都无关紧要，因为像
和
这样的序列的存在表明你在错误处理UTF-8数据。特别是，似乎有人强迫每个字节都使用char值，而不是使用a正确解码字节。然后，同样的错误再次应用到新的、不正确的字符串上

反向工作时，这些字符：

ERCC Ã\u0099¢

对应于这些十六进制字节值：

45 52 43 43 20 c3 99 c2 a2

如果不强制每个字节值都是一个字符，而是将它们解码为UTF-8字节，则得到字符串
“ERCCÙÙ¢”
。如果我们再次将每个字符视为一个字节值，则得到：

45 52 43 43 20 d9 a2

如果我们再次使用UTF-8解码这些字节，我们会得到我猜是指的“ERCC٢”

如果修复了提取文本的代码，则可以将该字符串与类似于
Pattern.compile（“ERCC\\s*\\d+”，Pattern.UNICODE\u CHARACTER\u CLASS）的内容进行匹配