Java Don'；无法理解有效XML字符集的正则表达式

正如w3c所描述的，XML的有效字符是有限的

我们可以通过以下正则表达式识别无效字符：

/*
 * From xml spec valid chars:
 * #x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF]
 * any Unicode character, excluding the surrogate blocks, FFFE, and FFFF.
 */
    Pattern pattern = Pattern.compile("[^\\x09\\x0A\\x0D\\x20-\\xD7EF\\xE000-\\xFFFD\\x10000-x10FFFF]");

但是我不知道为什么这个表达不是：

 Pattern pattern = Pattern.compile("[^\\x09\\x0A\\x0D\\x20-\\xD7EF\\xE000-\\xFFFD\\x10000-\\x10FFFF]");

错误消息是：

java.util.regex.PatternSyntaxException: Illegal character range near index 49
[^\x09\x0A\x0D\x20-\xD7EF\xE000-\xFFFD\x10000-\x10FFFF]

---

简单回答：在Java中，并非每个Unicode代码点都可以表示为char。这是因为代码点由21位数字标识，而char仅为16位宽。因此，以U+10000开头的代码点使用两个chars进行编码：一个高代理，后跟一个低代理。字符串和正则表达式在

char

s上工作，而不是在代码点上工作，因此您必须自己翻译它们。

第一个表达式的可能重复肯定是错误的。在最后一个六进制上没有反斜杠是没有意义的。顺便说一下：你很幸运，你得到了一个例外。这只是因为

'\x10'

小于

'0'

。您的模式可编译为以下字符：除

\x09

、

\x0A

、

\x0D

、范围

\x20-\xD7

、

E

、

F

、

\xE0

、范围

0-\xFF

、范围

F

中的某些字符，等等。此字符类包含许多重复字符，唯一的错误是末尾的字符范围

0-\x10

。