在过去的两个小时里，我有很多性感的时间来处理我数据库中的泰文字符串。它们神秘地排列，输出时变异，没有自然顺序，是一场灾难。
我想忽略任何带有泰语字符的字符串，但我不知道如何：
Pattern.compile("\\p{Thai}") 初始化失败。 "[ก-๛]" - 那会起作用吗？正确的方法是什么？
【问题讨论】：
Thai是一个Unicode块，Unicode块应该指定为\p{In...}：
Pattern.compile("\\p{InThai}")
【讨论】：
Pattern 对上述内容很满意。
当您指的是 Unicode 脚本时，您不应该使用 Unicode 块。例如，฿（Unicode 中的代码点 U+0E3F THAI CURRENCY SYMBOL BAHT）是 \p{Block=Thai} ᴀᴋᴀ \p{InThai} 字符，但它不是 \p{Script=Thai} ᴀᴋᴀ \p{IsThai} 字符。它是\p{Script=Common} 集合的货币符号。
对于像希腊语这样的大型系列来说尤其如此。希腊语块中有 18 个码点不在希腊文中，希腊文中有 250 个码点不在希腊文块中。
幸运的是，您不必担心这里有泰语的人，因为从 Unicode 6.0 开始，这里只有 U+0E3F 是一个异常值。在这方面你是双重幸运的，因为标准 Java 不支持 Java 7 之前的 Unicode 脚本；奇怪但真实。对于 JDK7 之前的版本中的 Unicode 脚本支持，您必须使用 JNI 来获取 ICU 正则表达式库，就像 Google 在 Android 上为 Java 所做的那样。不过，他们的方法有很多好处，因此即使是 JNI，也值得考虑。
【讨论】：
\p{Script=Thai} 可以写成\p{Thai}（\p{IsThai} 也适用于向后兼容）。