仅限Java 7 Unicode正则表达式制表符和空格

我目前正在尝试为我们的应用程序添加对日语和法语编码的支持。在这样做的过程中，我试图创建两个模式匹配器来检测读取文件中的制表符和空格，而不考虑语言编码

这些将用于确定文件中使用的分隔符，以便相应地进行处理

当我尝试编译一个空间模式时

Pattern.compile(" ", Pattern.UNICODE_CHARACTER_CLASS);

我没有看到它生成一个正则表达式来处理不同的unicode空间值

例如类似于

“[\\u00A0\\u2028\\u2029\\u3000\\u00C2\\u009A\\u0041]”

编译似乎可以正常使用“\s”字符集，但其中包括制表符和换行符

我应该如何在Java中实现这一点

更新

所以这不起作用的部分原因是日语网页文本没有空格，尽管看起来有空格。从web imoprt中获取以下行：

実なので説明は不要だろう。その後1987年

这里实际上没有空格う。そ. 只有三个字符

---

修复这一问题实际上是另一个问题的主题，因此我接受了Casimir的回答，因为它处理法语的情况很好。

您可以使用否定字符类。例如：

[^\\S \\t]

这意味着

\s

没有空格和制表符

或者可以使用类交叉点：

[\\s&&[^ \\t]]

---

可以使用否定字符类。例如：

[^\\S \\t]

这意味着

\s

没有空格和制表符

或者可以使用类交叉点：

[\\s&&[^ \\t]]

---

可以使用否定字符类。例如：

[^\\S \\t]

这意味着

\s

没有空格和制表符

或者可以使用类交叉点：

[\\s&&[^ \\t]]

---

可以使用否定字符类。例如：

[^\\S \\t]

这意味着

\s

没有空格和制表符

或者可以使用类交叉点：

[\\s&&[^ \\t]]

---

如果我听你的问题，你可以用这样的东西来表示空间-

Pattern p = Pattern.compile("^[ ]+$", Pattern.UNICODE_CHARACTER_CLASS);
String[] inputs = {" ", "  ", " \t", "Hello"};
for (String input : inputs) {
    Matcher m = p.matcher(input);
    System.out.printf("For input: '%s' = %s%n", input, m.find());
}

输出为

For input: ' ' = true
For input: '  ' = true
For input: '    ' = false
For input: 'Hello' = false

For input: '    ' = true
For input: '        ' = true
For input: '    ' = false
For input: 'Hello' = false

和标签

Pattern p = Pattern.compile("^[\t]+$", Pattern.UNICODE_CHARACTER_CLASS);
String[] inputs = {"\t", "\t\t", " \t", "Hello"};
for (String input : inputs) {
    Matcher m = p.matcher(input);
    System.out.printf("For input: '%s' = %s%n", input, m.find());
}

输出为

For input: ' ' = true
For input: '  ' = true
For input: '    ' = false
For input: 'Hello' = false

For input: '    ' = true
For input: '        ' = true
For input: '    ' = false
For input: 'Hello' = false

---

最后，使用

*

而不是

+

进行0或更多匹配。这将使用

+

，因此需要1个或多个匹配项。以（

^

）开始，以（

$

）结束。

如果我听你的问题，你可以用这样的空格-

Pattern p = Pattern.compile("^[ ]+$", Pattern.UNICODE_CHARACTER_CLASS);
String[] inputs = {" ", "  ", " \t", "Hello"};
for (String input : inputs) {
    Matcher m = p.matcher(input);
    System.out.printf("For input: '%s' = %s%n", input, m.find());
}

输出为

For input: ' ' = true
For input: '  ' = true
For input: '    ' = false
For input: 'Hello' = false

For input: '    ' = true
For input: '        ' = true
For input: '    ' = false
For input: 'Hello' = false

和标签

Pattern p = Pattern.compile("^[\t]+$", Pattern.UNICODE_CHARACTER_CLASS);
String[] inputs = {"\t", "\t\t", " \t", "Hello"};
for (String input : inputs) {
    Matcher m = p.matcher(input);
    System.out.printf("For input: '%s' = %s%n", input, m.find());
}

输出为

For input: ' ' = true
For input: '  ' = true
For input: '    ' = false
For input: 'Hello' = false

For input: '    ' = true
For input: '        ' = true
For input: '    ' = false
For input: 'Hello' = false

---

最后，使用

*

而不是

+

进行0或更多匹配。这将使用

+

，因此需要1个或多个匹配项。以（

^

）开始，以（

$

）结束。

如果我听你的问题，你可以用这样的空格-

Pattern p = Pattern.compile("^[ ]+$", Pattern.UNICODE_CHARACTER_CLASS);
String[] inputs = {" ", "  ", " \t", "Hello"};
for (String input : inputs) {
    Matcher m = p.matcher(input);
    System.out.printf("For input: '%s' = %s%n", input, m.find());
}

输出为

For input: ' ' = true
For input: '  ' = true
For input: '    ' = false
For input: 'Hello' = false

For input: '    ' = true
For input: '        ' = true
For input: '    ' = false
For input: 'Hello' = false

和标签

Pattern p = Pattern.compile("^[\t]+$", Pattern.UNICODE_CHARACTER_CLASS);
String[] inputs = {"\t", "\t\t", " \t", "Hello"};
for (String input : inputs) {
    Matcher m = p.matcher(input);
    System.out.printf("For input: '%s' = %s%n", input, m.find());
}

输出为

For input: ' ' = true
For input: '  ' = true
For input: '    ' = false
For input: 'Hello' = false

For input: '    ' = true
For input: '        ' = true
For input: '    ' = false
For input: 'Hello' = false

---

最后，使用

*

而不是

+

进行0或更多匹配。这将使用

+

，因此需要1个或多个匹配项。以（

^

）开始，以（

$

）结束。

如果我听你的问题，你可以用这样的空格-

Pattern p = Pattern.compile("^[ ]+$", Pattern.UNICODE_CHARACTER_CLASS);
String[] inputs = {" ", "  ", " \t", "Hello"};
for (String input : inputs) {
    Matcher m = p.matcher(input);
    System.out.printf("For input: '%s' = %s%n", input, m.find());
}

输出为

For input: ' ' = true
For input: '  ' = true
For input: '    ' = false
For input: 'Hello' = false

For input: '    ' = true
For input: '        ' = true
For input: '    ' = false
For input: 'Hello' = false

和标签

Pattern p = Pattern.compile("^[\t]+$", Pattern.UNICODE_CHARACTER_CLASS);
String[] inputs = {"\t", "\t\t", " \t", "Hello"};
for (String input : inputs) {
    Matcher m = p.matcher(input);
    System.out.printf("For input: '%s' = %s%n", input, m.find());
}

输出为

For input: ' ' = true
For input: '  ' = true
For input: '    ' = false
For input: 'Hello' = false

For input: '    ' = true
For input: '        ' = true
For input: '    ' = false
For input: 'Hello' = false

---

最后，使用

*

而不是

+

进行0或更多匹配。这将使用

+

，因此需要1个或多个匹配项。以（

^

）开头，以（

$

）结尾。

所以你可以说：Pattern spaces=Pattern.compile（[^\\S\\t\\r\\n]”，Pattern.UNICODE\u CHARACTER\u CLASS）；Pattern tabs=Pattern.compile（“[^\\S\\r\\n]”，Pattern.UNICODE\u CHARACTER\u CLASS）@戈弗汗：是的，就是这个想法。所以你可以这样说：Pattern spaces=Pattern.compile（“[^\\S\\t\\r\\n]”，Pattern.UNICODE\u CHARACTER\u CLASS）；Pattern tabs=Pattern.compile（“[^\\S\\r\\n]”，Pattern.UNICODE\u CHARACTER\u CLASS）@戈弗汗：是的，就是这个想法。所以你可以这样说：Pattern spaces=Pattern.compile（“[^\\S\\t\\r\\n]”，Pattern.UNICODE\u CHARACTER\u CLASS）；Pattern tabs=Pattern.compile（“[^\\S\\r\\n]”，Pattern.UNICODE\u CHARACTER\u CLASS）@戈弗汗：是的，就是这个想法。所以你可以这样说：Pattern spaces=Pattern.compile（“[^\\S\\t\\r\\n]”，Pattern.UNICODE\u CHARACTER\u CLASS）；Pattern tabs=Pattern.compile（“[^\\S\\r\\n]”，Pattern.UNICODE\u CHARACTER\u CLASS）@戈弗汗：是的，这就是我的想法。我正在考虑使用

\p{z}

，它表示“任何类型的空白或不可见的分隔符”，而不是

\s

。虽然我不确定你的问题是什么。例如，让我困惑的是

\u00FF

。你的正则表达式在做什么（

ÿ

在我看来不像空格或制表符）？你所说的“在Javascript中这相当简单”是什么意思\u00FF是一个打字错误。很抱歉。Javascript进入基于unicode的页面，打开检查器，执行document.body.innerText.match（/\/g）；匹配所有空格都很好。但是，Java中的相同空格regex，即使使用Pattern.compile（“，Pattern.UNICODE\u CHARACTER\u CLASS）似乎也不起作用。我正在考虑使用

\p{z}

，它表示“任何类型的空白或不可见分隔符”，而不是

\s

。虽然我不确定你的问题是什么。例如，让我困惑的是

\u00FF

。你的正则表达式在做什么（

ÿ

在我看来不像空格或制表符）？你所说的“在Javascript中这相当简单”是什么意思\u00FF是一个打字错误。很抱歉。Javascript进入基于unicode的页面，打开检查器，执行document.body.innerText.match（/\/g）；匹配所有空格都很好。但是，Java中的相同空格regex，即使使用Pattern.compile（“，Pattern.UNICODE\u CHARACTER\u CLASS）似乎也不起作用。我正在考虑使用

\p{z}

，它表示“任何类型的空白或不可见分隔符”，而不是

\s

。虽然我不确定你的问题是什么。例如，让我困惑的是

\u00FF

。在你的正则表达式中正在做什么