不带任何数字的波斯语（阿拉伯语）字母的正则表达式

regex java arabic persian

2022-09-03 05:12:36

在Java中，我正在寻找一个正则表达式，可以接受任何波斯语（或阿拉伯语）字母，除了任何波斯语（或阿拉伯语）数字。为了只有字母，我发现了一个非常好的正则表达式：

[\u0600-\u065F\u066A-\u06EF\u06FA-\u06FF]

虽然这是真的，对我有用，但我们知道我们可以将其用作正则表达式，接受世界上所有语言的所有字母，并且在我的情况下（阿拉伯语 - 波斯语），我可以修改它并使用\\p{L}+[\\p{InArabic}]+$.

但是，通过使用不仅所有阿拉伯语（波斯语）字母都会被接受，而且阿拉伯数字也是可以接受的，比如۱۲。[\\p{InArabic}]+$

所以我的问题是，我怎么能修改只接受字母而不是数字，或者换句话说，我怎么能限制不接受任何数字？[\\p{InArabic}]+$[\\p{InArabic}]+$

请注意，波斯语（阿拉伯语）数字是这样的：۱ ۲ ۳ ۴ ۵ ۶ ۷ ۸ ۹ ۰

答案 1

您可以使用以下正则表达式：

"[\\p{InArabic}&&\\PN]"

\p{InArabic}匹配 Unicode 块阿拉伯语中的任何字符（从 U+0600 到 U+06FF）

\PN匹配不属于任何“数字”类别的任何字符（请注意大写字母）。P

将 2 个集合相交会得到所需的结果：排除了两个数字范围（U+0660 到 U+0669）和（U+06F0 到 U+06F9）。

测试代码

for (int i = 0x600; i <= 0x6ff; i++) {
    String c = "" + (char) i;
    System.out.println(Integer.toString(i, 16) + " " + c.matches("[\\p{InArabic}&&\\PN]"));
}

答案 2

您可以使用字符类减法，这是一个相当晦涩的功能：

[\p{InArabic}&&[^۰-۹]]

工作示例：http://ideone.com/jChGem