为什么 [a-z][A-Z] 给出的结果与 [ą-ž][Ą-Ž] 不同？答案

【问题标题】：Why does [a-z][A-Z] give different results from [ą-ž][Ą-Ž]?为什么 [a-z][A-Z] 给出的结果与 [ą-ž][Ą-Ž] 不同？
【发布时间】：2018-01-06 13:05:12
【问题描述】：

我正在尝试拆分小写字母后跟大写字母的文本。

假设文本是：

"Įvairių rūšiųSkinti kardeliai"

我想在“ųS”处拆分它，但下面的正则表达式“[ą-ž][Ą-Ž]”给了我：

"Įvairių r"

但是当我将母语字母和正则表达式更改为“[a-z][A-Z]”时

"Ivairiu rusiuSkinti kardeliai"

我得到了预期的结果：

"Ivairiu rusi"

【问题讨论】：

我会选择字符类，所以你只需要说“小写后跟大写”，只要正则表达式引擎正确处理它们（我会假设 Java 会这样）。例如，由于 Unicode 点范围 ą-ž 不包括 a-z，因此它与常规拉丁字母不匹配
添加您正在使用的实际代码将使回答问题更容易

【解决方案1】：

[a-z] 的意思是“匹配一个从 a 到 z 的字符”，对吧？我们人类倾向于认为显然 b 在 a 之后，c 在 b 之后......等等。所以 a-z 将覆盖所有小写字母。

然而，实际发生的是a-z 匹配a 和z 之间的任何Unicode 代码点，恰好是所有小写字母。

让我们看看 ą 和 ž 之间的代码点。

ąĆćĈĉĊċČčĎďĐđĒēĔĕĖėĘęĚěĜĝĞğĠġĢģĤĥĦħĨĩĪīĬĭĮįİıĲĳĴĵĶķĸĹĺĻļĽľĿŀŁłŃńŅņŇňŉŊŋŌōŎŏŐőŒœŔŕŖŗŘřŚśŜŝŞşŠšŢţŤťŦŧŨũŪūŬŭŮůŰűŲųŴŵŶŷŸŹźŻżŽž

[ą-ž] 将匹配上述任何字符！这不是你想要的，不是吗？

要解决这个问题，您可以

【讨论】：

【解决方案2】：

[Ą-Ž] 包括š。

for (char c = 'Ą'; c <= 'Ž'; ++c)
    System.out.print(c);

结果：

ĄąĆćĈĉĊċČčĎďĐđĒēĔĕĖėĘęĚěĜĝĞğĠġĢģĤĥĦħĨĩĪīĬĭĮįİıĲĳĴĵĶķĸĹĺĻļĽľĿŀŁłŃńŅņŇňŉŊŋŌōŎŏŐőŒœŔŕŖŗŘřŚśŜŝŞşŠšŢţŤťŦŧŨũŪūŬŭŮůŰűŲųŴŵŶŷŸŹźŻżŽ

但[A-Z] 不包括s。

for (char c = 'A'; c <= 'Z'; ++c)
    System.out.print(c);

结果：

ABCDEFGHIJKLMNOPQRSTUVWXYZ

【讨论】：