Диапазон символов в регулярном выражении

#java #регулярные_выражения

Какие символы включает регулярное выражение [а-яА-Я]+? Известно, что оно не включает
символы ё и ъ. И для того, чтобы охватить весь алфавит русского языка нужно писать
[а-яА-ЯёЁъЪ]+ ? Или есть какие-то ещё символы алфавита русского языка, которое это
выражение не включает? Как узнать весь диапазон включённых в регулярное выражение символов?
    

Ответы

Ответ 1

Регулярные выражения Java поддерживают стандарт регулярных выражений для Юникода
(Unicode® Technical Standard #18 UNICODE REGULAR EXPRESSIONS). Соответственно, диапазоны
символов считаются по кодовым позициям в Юникоде. 

Буквы русского алфавита занимают в Юникоде позиции с 0410 по 044F, кроме букв «ё»
и «Ё», которые по историческим причинам поставлены на позиции не соответствующие русскому
алфавиту (найдите их в таблице символов). Это и вызывает необходимость указывать их
отдельно.


  Есть какие-то ещё символы алфавита русского языка, которое это выражение не включает


Нет, даже для твердого знака не нужно делать исключения.


  Как узнать весь диапазон включённых в регулярное выражение символов?


По кодовым позициям. В Java числовое значение символа (char) соответствует его позиции
в Юникоде. Соответственно, можно задать переменные char для границ диапазона и пройтись
циклом по всем символам. Например, следующий код выводит все символы, входящие в диапазон
от «А» до «Я» и их позиции в Юникоде.

for(char ch = 'А'; ch<='Я'; ch++) {
    System.out.println(ch +" ("+ ((int) ch)+")");
}