如何使用regex将字符串拆分为unicode字符？

Question

我需要帮助使用正则表达式。我读过Java Regex的笔记，但找不到解决问题的方法。

PROBLEM：我有一个字符串，需要在unicode字符\0、\1和\2出现时进行拆分。

尝试过

String msg ="foo\0foo\0bar\2foo\1horse"
msg.split("[\1\0\2]");

以上操作非常完美(不确定是否正确使用regex)，但是

String msg ="foo\0foo\0bar\2foo\1horse\1123123\0123123\21"
msg.split("[\1\0\2]");

不能正常工作，因为正则表达式似乎是拾取\1k (带有k个整数)，而不是只取\0、\1和\2。

有什么想法吗？

解决了问题:我发现测试中的问题是我使用了自己生成的字符串。使用\1之前的数值使字符串自动包括\1k作为字符，而不是\1。当从我的源读取时，它以字节为单位，因此有正确的\1编码。当解码和重新编码(手动)时，我犯了错误.使用原始数据解决了问题。

或者，我使用unicode \u 0001-\u0002重新编码，这也有效。谢谢你的回答。了解了一些关于Regex和unicode的知识。

Answer 1

尝试使用Unicode字符文字表单(\uXXXX)：

​

String msg ="foo\u0000bar\u0001gah\u0002zip\u0001horse\u0001123123\u0000456456\u00021";
String ss[] = msg.split("[\u0000-\u0002]");
// ss = ["foo", "bar", "gah", "zip", "horse", "123123", "456456", "1"];

Answer 2

我想你想

msg.split("[\u0000\u0001\u0002]");

根据http://download.oracle.com/javase/1.4.2/docs/api/java/util/regex/Pattern.html