日语字符串的正则表达式模式匹配在java中存在问题

Question

我有一个奇怪的问题，在Java中模式匹配只匹配日语字符。 让我用代码来解释

private static final Pattern ADDRESS_STRING_PATTERN =
        Pattern.compile("^[\\p{L}\\d\\s\\p{Punct}]{1,200}$");
private static boolean isValidInput(final String input, Pattern pattern) {
    return pattern.matcher(input).matches();
}
System.out.println("こんにちは、元気ですか");

在这里，我匹配任何字母、空格、数字或标点符号字母1到200

现在，这将始终返回false。经过调试发现问题出在一个字符“、”。如果我将该字符作为正则表达式的一部分添加，它就可以正常工作

有人遇到过这个问题吗？或者这是Java中的bug

Answer 1

问题是^{} (^{}) belongs to "Punctuation, other" Unicode category和\\p{Punct}在默认情况下只匹配ASCII标点。如果您使用Pattern.UNICODE_CHARACTER_CLASS选项或(?U)嵌入标志选项，它将匹配（即模式可能看起来像"(?U)^[\\p{L}\\d\\s\\p{Punct}]{1,200}$"）。但是，这可能会影响\d和\s，我不确定您是否希望匹配所有Unicode数字和空格

另一种方法是使用\p{P}\p{S}（匹配Unicode标点和符号）而不是\p{Punct}（POSIX字符类同时匹配标点和符号）

参见Java demo打印true：

private static final Pattern ADDRESS_STRING_PATTERN = Pattern.compile("^[\\p{L}\\d\\s\\p{P}\\p{S}]{1,200}$");
private static boolean isValidInput(final String input, Pattern pattern) {
        return pattern.matcher(input).matches();
}
public static void main (String[] args) throws java.lang.Exception
{
    System.out.println(isValidInput("こんにちは、元気ですか",ADDRESS_STRING_PATTERN));
}
// => true