\ s实际上并未捕获所有空格字符

Question

在我的Java 8应用程序中，我正在扫描传入的文本中的空格。但是\s在我的正则表达式中，并不能捕获所有空格。我发现到目前为止，在我的测试中尚未捕获的一个空格是“ 不间断空格”（Unicode 00A0）。这是我遇到的问题的正则表达式：

Pattern p = Pattern.compile("\\s");

为了解决这个问题，我添加\h了我的正则表达式：

Pattern p = Pattern.compile("[\\s\\h]");

现在，我还有其他需要注意的空白\s\h吗？

Answer 1

默认情况下，\s仅匹配ASCII空格字符（[ \t\n\x0B\f\r]）。有两种方法可以克服此限制

1. 使用Unicode字符属性： Pattern.compile("\\p{IsWhiteSpace}")

2. 使预定义字符类使用Unicode属性：
   Pattern.compile("\\s", Pattern.UNICODE_CHARACTER_CLASS)
   这也可以通过嵌入标志启用(?U)

Pattern[] pattern = {
    Pattern.compile("\\s"),
    Pattern.compile("\\s", Pattern.UNICODE_CHARACTER_CLASS),
    Pattern.compile("((?U)\\s)"),
    Pattern.compile("\\p{IsWhiteSpace}")
};
String s = " \t\n\u00A0\u2002\u2003\u2006\u202F";
for(Pattern p: pattern) {
    int count = 0;
    for(Matcher m = p.matcher(s); m.find(); ) count++;
    System.out.printf("%-19s: %d matches%n",
      p.pattern()+((p.flags()&Pattern.UNICODE_CHARACTER_CLASS)!=0? " [(?U) via flags]": ""),
      count);
}

Pattern[] pattern = {
    Pattern.compile("\\s"),
    Pattern.compile("\\s", Pattern.UNICODE_CHARACTER_CLASS),
    Pattern.compile("((?U)\\s)"),
    Pattern.compile("\\p{IsWhiteSpace}")
};
String s = " \t\n\u00A0\u2002\u2003\u2006\u202F";
for(Pattern p: pattern) {
    int count = 0;
    for(Matcher m = p.matcher(s); m.find(); ) count++;
    System.out.printf("%-19s: %d matches%n",
      p.pattern()+((p.flags()&Pattern.UNICODE_CHARACTER_CLASS)!=0? " [(?U) via flags]": ""),
      count);
}

Answer 2

根据Pattern类文档，匹配的字符\s是\t\n\x0B\f\r.

然而，Unicode 确实支持更多的空格字符。示例包括：

• \u2002: 空间
• \u2003: 空格
• \u2003: 狭小的空间
• \u202F：狭窄的不间断空间