Java 正则表达式匹配非 GBK 编码字符 - 排除空格和标点符号

Java 正则表达式匹配非 GBK 编码字符 - 排除空格和标点符号

本文介绍如何使用 Java 正则表达式匹配字符串中非 GBK 编码字符，同时排除空格和标点符号。

示例：

在字符串 'BRITÂNIA COMPONENTES ELETRÔNICOS LTDA' 中匹配到 'Â' 和 'Ô'。

正则表达式：

(?<![\p{Punct}\s])[^\p{InGBK}&&\P{C}]

解释：

• (?<![\p{Punct}\s])：使用负向零宽断言，匹配前面不是标点符号或空格的字符。
• [^\p{InGBK}&&\P{C}]：使用字符类，匹配不是 GBK 编码范围内的字符且不是控制字符的字符。

代码示例：

String input = "BRITÂNIA COMPONENTES ELETRÔNICOS LTDA";
Pattern pattern = Pattern.compile("(?<![\p{Punct}\s])[^\p{InGBK}&&\P{C}]");
Matcher matcher = pattern.matcher(input);
while (matcher.find()) {
    System.out.println(matcher.group());
}

输出结果：

Â
Ô

总结：

通过使用负向零宽断言和字符类，我们可以轻松地使用正则表达式匹配非 GBK 编码字符，并排除空格和标点符号。