用于匹配Unicode模式的java正则表达式

Question

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

Answer 1

符号U+任何数量的十六进制数字属于Unicode，在代码中任何地方都不起作用。在java源代码和*。属性\u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}"

或者一根绳子。载于：

"\\u"

对于完整的UTF-32范围，在Java \Uxxxxxx以外的其他语言中（六个十六进制字符）是可能的。不幸的是，直到Java8，情况并非如此