ユニコードパターンの正規表現のための正規表現

Question

アップロードされたときにファイルの内容を検証しようとしていますが、Unicodeエンコーディングに固執しています。 ASCII範囲にないUnicode特殊文字を探すのは興味がありません。ファイルの内容に\ u0046のような少なくとも1つのUnicodeパターンが含まれているかどうかを調べようとしています。

たとえば、 'script'という単語を含むファイルは除外しますが、ファイルにこの単語がUnicodeで書かれているとどうなりますか？確かに、Javaはコンテンツを読むときにそれを通常の文字列にデコードしますが、これに頼ることができない場合はどうなりますか？

私はインターネットで検索している限り、\ u0046のように書かれたU + 0046のようなUnicode文字を見たことがあります。これに基づいて、私は次の正規表現を書いた：

(\\u|U\+).... 

これは、\ uまたはU +に続いて4文字を意味する。このパターンは私が望むものを実現しますが、Unicode文字を書く他の方法があるのだろうかと思います。それは常に\ uまたはU +ですか？ \ uまたはU +の後ろに4文字以上または以下にすることはできますか？

おかげ

Answer 1

表記U + は、Unicodeに属し任意の数・オブ・ヘキサ桁がどこコードで機能しないであろう。 Javaソースコードと* .properties \uのあとに4桁の16進数が続くと、UnicodeのUTF-16エンコードが自動的に解析されます。

その検索するパターン：

"\\\\u[0-9A-Fa-f]{4}" 

またはString.contains上：Javaの\Uxxxxxx以外の言語で

"\\u" 

（6進文字）フルUTFのために、可能です-32の範囲。残念ながら、Java 8まではそうではありません。