中文/漢字核心正則
| 匹配目標 | 正則表達式 (Java 字串寫法) | 說明 |
| 基本漢字 (CJK Unified Ideographs) | `[\\u4e00-\\u9fa5]` | 涵蓋 20902 個常用漢字,最常用 |
| 擴展漢字 (含擴展 A/B/C/D/E/F) | `[\\u4e00-\\u9fff\\u3400-\\u4dbf\\u20000-\\u2a6df\\u2a700-\\u2b73f\\u2b740-\\u2b81f\\u2b820-\\u2ceaf\\u2ceb0-\\u2ebef\\uf900-\\ufaff]` | 需 Java 7+ 支援補充字元 (代碼點 > 0xFFFF),用 `Character.toChars()` 或 `Pattern.compile(..., Pattern.UNICODE_CHARACTER_CLASS)` |
| 全角字符 (全角標點、符號、字母、數字) | `[\\uFF00-\\uFFEF]` | Halfwidth and Fullwidth Forms 區塊 |
| 中文標點符號 | `[\\u3000-\\u303F]` | CJK Symbols and Punctuation |
| 雙位元組字符 (含漢字、全角、日韓文字) | `[^\\x00-\\xff]` | 排除單位元組 ASCII,簡易但不精確 |
Java 代碼實戰範例
import java.util.regex.*;
public class ChineseRegexDemo {
public static void main(String[] args) {
String text = "Hello 世界!价格:¥199.00 【促销】";
// 1. 提取所有漢字
extract(text, "[\\u4e00-\\u9fa5]+", "漢字詞組");
// 2. 提取漢字+全角標點+全角數字 (連續中文區段)
extract(text, "[\\u4e00-\\u9fa5\\uFF00-\\uFFEF\\u3000-\\u303F]+", "中文區段");
// 3. 計算字串顯示寬度 (漢字/全角=2, ASCII=1)
int displayLen = text.replaceAll("[^\\x00-\\xff]", "**").length();
System.out.println("顯示寬度: " + displayLen); // Hello=5, 空格=1, 世界=4, !=1, 价格=4, :=2, ¥=2, 199.00=6, 空格=1, 【=2, 促销=4, 】=2 = 34
// 4. 驗證純中文姓名 (2-10 個漢字)
System.out.println("張三".matches("[\\u4e00-\\u9fa5]{2,10}")); // true
System.out.println("Zhang San".matches("[\\u4e00-\\u9fa5]{2,10}")); // false
// 5. 替換所有中文為 [中文]
System.out.println(text.replaceAll("[\\u4e00-\\u9fa5]+", "[中文]"));
// Hello [中文]![中文]:¥199.00 【[中文]】
}
static void extract(String src, String regex, String label) {
Pattern p = Pattern.compile(regex);
Matcher m = p.matcher(src);
System.out.print(label + ": ");
while (m.find()) System.out.print("[" + m.group() + "] ");
System.out.println();
}
}
常用實用正則模式速查表
| 場景 | 正則 (Java 字串) | 範例匹配 |
| Email | `\\w+([-+.]\\w+)*@\\w+([-.]\\w+)*\\.\\w+([-.]\\w+)*` | user.name+tag@example.co.uk |
| URL (HTTP/HTTPS) | `https?://[^\\s]+` | https://example.com/path?query=1 |
| 國內電話 (含區號) | \\d{3}-\\d{8}|\\d{4}-\\d{7} | 0511-4405222, 021-87888822 |
| 手機號 (中國大陸) | `1[3-9]\\d{9}` | 13812345678 |
| 身份證 (18 位) | `\\d{17}[\\dXx]` | 11010119900307123X |
| 郵政編碼 (6 位) | `[1-9]\\d{5}(?!\\d)` | 100084 |
| IPv4 地址 | `(?:(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d)\\.){3}(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d)` | 192.168.1.1 |
| HTML 標籤 (簡易) | `<[^>]+>` | ` ` |
| 首尾空白字符 | `^\\s*|\\s*$` | 去除字串首尾空格/換行/製表 |
| 空白行 | `^\\s*$` (多行模式 `Pattern.MULTILINE`) | 刪除空行 |
| QQ 號 (5-11 位,非 0 開頭) | `[1-9]\\d{4,10}` | 123456 |
| 用戶名 (字母開頭,6-16 位字母數字下劃線) | `^[a-zA-Z][a-zA-Z0-9_]{5,15}$` | user_123 |
| 強密碼 (8-20 位,含大小寫數字特殊字符) | `^(?=.*[a-z])(?=.*[A-Z])(?=.*\\d)(?=.*[!@#$%^&*]).{8,20}$` | Abc123!@ |
Java 正則進階技巧
- Pattern.COMMENTS:啟用註釋模式,可在正則中寫註釋與空白,提升可讀性。
Pattern p = Pattern.compile("
\\u4e00-\\u9fa5 # 漢字
| \\uFF00-\\uFFEF # 全角
", Pattern.COMMENTS);
- Pattern.UNICODE_CHARACTER_CLASS:讓 `\p{...}` 支援 Unicode 屬性類別 (Java 7+)。
// 匹配任意漢字 (含擴展區)
Pattern p = Pattern.compile("\\p{Script=Han}", Pattern.UNICODE_CHARACTER_CLASS);
- 預編譯複用:`Pattern` 線程安全,**務必靜態常量預編譯**,避免重複編譯開銷。
private static final Pattern CHINESE_WORD = Pattern.compile("[\\u4e00-\\u9fa5]+");
- 非捕獲分組 `(?:...)`** 減少捕獲組開銷;**佔有優先量詞 `*+` `++` `?+`** 防止災難性回溯。
避坑指南
- ❌ 直接在字串寫 `\u4e00` → 編譯器視為 Unicode 轉義字元,導致語法錯誤。
✅ Java 字串中寫 `\\u4e00` (雙反斜線)。
- ❌ 用 `[^\\x00-\\xff]` 判斷中文 → 會誤判日文平假名、韓文諺文、全角符號。
✅ 精確用 `[\\u4e00-\\u9fa5]` 或 Unicode Script 屬性。
- ❌ 正則過於複雜導致 ReDoS (正則拒絕服務)。
✅ 簡化模式、使用佔有優先量詞、設定匹配超時 (Java 9+ `Matcher.useTimeout()`)。