匹配目标C中的CJK分机B

Question

我在试图匹配NSString中的CJK扩展B字符时遇到了困难。

维基百科CJK统一表意文字分机B：

CJK统一表意文字扩展B是一个Unicode块，包含了用于中文、日文、韩文和越南语的罕见的具有历史意义的CJK表意文字。

字符的unicode块是:从U+20000到U+2A6DF，我使用regex：[\\ud840-\\ud868][\\udc00-\\udfff]|\\ud869[\\udc00-\\uded6]来匹配CJK扩展B字符。

这是我的代码：

NSString *searchedString = @""; // First character (U+20000) 

NSString *pattern = @"[\\ud840-\\ud868][\\udc00-\\udfff]|\\ud869[\\udc00-\\uded6]";

 NSRegularExpression *regex = [NSRegularExpression regularExpressionWithPattern:pattern options:NSRegularExpressionCaseInsensitive error:nil];
if ([regex numberOfMatchesInString:searchedString options:0 range:NSMakeRange(0, [searchedString length])] > 0) {
    NSLog(@"matches");
} else {
    NSLog(@"doesn't match");
}

输出：doesn't match

举个例子，如果我对Hiragana字符尝试一些更简单的东西，它就会起作用：

NSString *searchedString = @"ひ";

NSString *pattern = @"[\\u3040-\\u309F]";

输出：matches

任何帮助都将不胜感激。谢谢。

Answer 1

您可以使用\Uxxxxxxxx符号来匹配BMP平面外的那些Unicode字符。

Acc.转到ICU regex文档

\Uhhhhhhhh将字符与十六进制值hhhhhhhh相匹配。尽管最大的Unicode代码点是\U0010ffff，但必须提供确切的8位十六进制数字。

所以，用

NSString *pattern = @"[\\U00020000-\\U0002A6DF]+";

见在线Obj-C演示