Java正则表达式 匹配中文字符

若要用JAVA正则表达式匹配中文字符，主要是了解中文字符的编码。

匹配中文字符：半角:[\u4e00-\u9fa5] ，全角：[ufe30-uffa0]

匹配中文符号： 。 ；  ， ： “ ”（ ） 、 ？ 《 》的对应编码为："[\u3002\uff1b\uff0c\uff1a\u201c\u201d\uff08\uff09\u3001\uff1f\u300a\u300b]"

英文字母:[a-zA-Z] 
数字:[0-9] 

下面的例子是要匹配出字符串中含有“《中英字符*》”的例子，并输出匹配内容，其中.表示除了行终止符之外的所有字符。

	public static void main(String[] args) {
		String patternStr = "\u300a.+\u300b";
		Pattern pattern = Pattern.compile(patternStr);
		String input = "《21世纪经济报道》记者";
		Matcher matcher = pattern.matcher(input);
		if (matcher.find()) {
			int start = matcher.start();
			int end = matcher.end();
			System.out.println(input.substring(start, end));
		}else{
			System.out.println("not found");
		}
		//output: 《21世纪经济报道》
	}

上例patternStr得到的匹配结果是最长的string。比如若input=”莫言作品《丰乳肥臀》，《红高粱》“， 那么输出的就是”《丰乳肥臀》，《红高粱》“。

若修改patternStr="\u300a[^\u300a]+\u300b"; 即《》内的字符不能为《。 输出的结果就是《丰乳肥臀》。

当然若有具体的数据特征，可进一步改进pattern string。

最近要做一个中文数据的处理，查了一下蛮有意思的。

参考文献：

http://www.111cn.net/jsp/Java/46105.htm

http://blog.csdn.net/love_5209/article/details/23353907