萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網路程式設計 >> JSP 程式設計

Java 正則表達式匹配中文漢字、全角字符與常用模式大全

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

  1. 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);
    
  2. 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);
    
  3. 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]+");
    
  4. 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()`)。
copyright © 萬盛學電腦網 all rights reserved