Java 正则表达式匹配中文

在Java开发中，我们经常会遇到需要匹配中文字符串的需求，例如验证一个输入框中的字符是否全部为中文，或者提取中文字符中的关键词等等。这时候，正则表达式就可以派上用场了。

如何匹配中文字符

使用正则表达式匹配中文最常用的方式是使用Unicode编码，每个中文字符对应着一个Unicode码点，我们可以通过匹配这个码点来进行中文字符的查找和匹配。

在Java中，我们可以通过以下方式在正则表达式中匹配中文字符：

String regex = "\\u4e00-\\u9fa5";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher("你好，世界！");

while (matcher.find()) {
    System.out.println(matcher.group());
}

这段代码中，我们首先定义了一个正则表达式 \\u4e00-\\u9fa5，这个表达式的意思是匹配所有Unicode码点在4e00-9fa5之间的字符，也就是所有的中文字符。

接着，我们使用 Pattern 类的 compile 方法来将正则表达式编译成一个模式，然后使用 Matcher 类的 matcher 方法将要匹配的字符串传入其中，返回一个 Matcher 对象。

最后，我们使用 Matcher 对象的 find 方法来查找匹配结果，返回一个布尔值。如果查找成功，我们就可以使用 group 方法获取匹配到的字符串。

在上述代码中，我们的匹配结果是两个中文字符“你”和“好”。

其他匹配方式

除了使用Unicode编码进行匹配之外，还有其他的一些方式可以进行中文字符的匹配。这里我们总结了几种常用的方式。

使用中文字符集

Java中提供了一个 [\u4E00-\u9FA5] 的正则表达式，可以直接匹配所有的中文字符。上述代码的正则表达式可以改写为：

String regex = "[\\u4E00-\\u9FA5]";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher("你好，世界！");

while (matcher.find()) {
    System.out.println(matcher.group());
}

这个正则表达式和上面使用Unicode编码的方式本质上是一样的。

使用中文字符集的别名

Java的正则表达式还支持使用Unicode字符集的别名来进行中文字符的匹配。例如，我们可以使用 \\p{IsHan} 来匹配所有的中文字符。

String regex = "\\p{IsHan}";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher("你好，世界！");

while (matcher.find()) {
    System.out.println(matcher.group());
}

这段代码与前面两段代码的结果相同，都会匹配到两个中文字符。

匹配完整的中文字符串

有时候，我们需要匹配的不仅仅是中文字符，还需要判断这个字符串是否完全由中文字符组成。这时候，我们可以使用 ^[\u4E00-\u9FA5]+$ 的正则表达式来进行匹配。

String regex = "^[\\u4E00-\\u9FA5]+$";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher("你好，世界！");

while (matcher.find()) {
    System.out.println(matcher.group());
}

这段代码会返回一个空值，因为字符串“你好，世界！”中包含了非中文字符。