检测Java中的任何组合字符

我正在寻找一种方法来检测java字符串中的字符是否是“组合字符”。 例如，

String khmerCombiningVowel = new String(new byte[]{(byte) 0xe1,(byte) 0x9f,(byte) 0x80}, "UTF-8"); // unicode 17c0 

代表结合高棉元音符号 。 我试过"\\p{InCombiningDiacriticalMarks}" 正则表达式，但似乎并不适用于这些特殊的组合字符。 或者即使有一些全面的unicode组合字符块列表，我也可以为它们制作一个正则表达式？

Answer 1

根据用于检查Unicode中组合字符的算法 ，有许多用于组合字符的块。

Java有许多有用的function，请尝试：

 String codePointStr = new String(new byte[]{(byte) 0xe1, (byte) 0x9f, (byte) 0x80}, "UTF-8"); // unicode 17c0 System.out.println(codePointStr.matches("\\p{Mc}")); System.out.println( Character.COMBINING_SPACING_MARK == Character.getType(codePointStr.codePointAt(0))); 

（在两种情况下都打印为true）

在这种情况下， COMBINING_SPACING_MARK （和相关的正则表达式\p{gc=Mc} ）都引用Unicode类别 “Mark，Spacing Combining”，它基本上是与前一个字符组合的任何字符，同时还增加了宽度。

其他可能有用的正则表达式： \p{M}表示任何类型的标记 。 如果要使用Character getType()常量，可以通过检查其类型是COMBINING_SPACING_MARK还是ENCLOSING_MARK或NON_SPACING_MARK来获得相同的行为。

ENCLOSING_MARK是一个周围的角色，就像一个圆圈 – 也为它结合的角色增加了宽度。

NON_SPACING_MARK包括拉丁字母变音符号组合标记等（标记基本上位于顶部或下方，并且不向字符添加任何宽度）。