在字符串上正则表达unicode字符

我正在C＃中做一些O​​CR工作，并提取了我需要使用的文本。 现在我需要使用正则表达式解析一行。

string checkNum; string routingNum; string accountNum; Regex regEx = new Regex(@"\u9288\d+\u9288"); Match match = regEx.Match(numbers); if (match.Success) checkNum = match.Value.Remove(0, 1).Remove(match.Value.Length - 1, 1); regEx = new Regex(@"\u9286\d{9}\u9286"); match = regEx.Match(numbers); if(match.Success) routingNum = match.Value.Remove(0, 1).Remove(match.Value.Length - 1, 1); regEx = new Regex(@"\d{10}\u9288"); match = regEx.Match(numbers); if (match.Success) accountNum = match.Value.Remove(match.Value.Length - 1, 1); 

问题是，当我执行.ToCharArray()并检查字符串的内容时，字符串包含必要的Unicode字符，但是当我解析查找字符串的字符串时，它似乎永远不会识别Unicode字符。 我认为C＃中的字符串默认是Unicode。

Answer 1

我想到了。 我使用十进制值而不是hex代码换句话说，而不是使用\u9288 and \u9286我应该使用\u2448 and \u2446 http://www.ssec.wisc.edu/~tomw/java/unicode的.html＃x2440

谢谢你们带领我走向正确的方向。

Answer 2

这一行：

 match.Value.Remove(0, 1).Remove(match.Value.Length - 1, 1); 

导致exception，因为第一次Remove的结果长度小于原始match.Value.Length 。

我建议你使用组来提取值。 例如：

 Regex regEx = new Regex(@"\u9288(\d+)\u9288"); Match match = regEx.Match(numbers); if (match.Success) checkNum = match.Groups[1].Value; 

有了它，我可以正确地提取值。

Answer 3

.NET中的字符串是UTF-16编码的 。

此外，Regex引擎与Unicode字符不匹配，但与Unicode代码点不匹配。 看这篇文章 。