Java 7 Unicode正则表达式Tabsonly和Spacesonly

Question

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"[\\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

解决这个问题实际上是另一个问题的主题，因此我接受了卡西米尔的回答，因为它很好地处理了法国的案件

Answer 1

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

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

最后，对0个或更多匹配项使用*而不是+。这将使用+，因此需要1个或多个匹配项。以（^）开始，以（$）结束

Answer 2

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]]