我正在尝试使用Pattern.split（）创建一个Java正则表达式，将常规格式“foo - bar”的字符串拆分为“foo”和“bar”。 “ - ”字符可能是几个短划线之一：ASCII' - '，em-dash，en-dash等。我构造了以下正则表达式：
private static final Pattern titleSegmentSeparator = Pattern.compile("\\s(\\x45|\\u8211|\\u8212|\\u8213|\\u8214)\\s");
如果我正确地阅读Pattern文档，那么当两边用空格包围时，应捕获任何unicode破折号或ascii破折号。我使用的模式如下：
String[] sectionSegments = titleSegmentSeparator.split(sectionTitle);
没有快乐。对于下面的示例输入，未检测到破折号，并且 titleSegmentSeparator.matcher（sectionTitle）.find（）返回false！
为了确保我没有遗漏任何不寻常的字符实体，我使用System.out打印一些调试信息。输出如下 - 每个字符后面跟着（int）char的输出，它应该是'unicode代码点，不是吗？
示例输入：
研究摘要（1/10） - 比赛
S（83）T（116）U（117）d（100）Y（121） （32）S（83）U（117）M（109）M（109）一（97）R（114）Y（121） （32）（（40）1（49）（32）o（111）f（102） （32）1（49）0（48））（41）（32） - （8211） （32）C（67）O（111）M（109）P（112）E（101）T（116）I（105）T（116）1（105）○（111）N（110）
在我看来，破折号是代码点8211，它应该与正则表达式相匹配，但事实并非如此！这是怎么回事？
答案 0 :(得分：12)
您将十进制（8211）和十六进制（0x8211）混合使用。
\x和\u都需要一个十六进制数字，因此您需要使用\u2014来匹配em-dash，而不是\u8211（和{{1}正常的连字符等。）。
但为什么不简单地使用Unicode属性“Dash punctuation”？
作为Java字符串：\x2D