Java 16中正则表达式\p{Cs}无法匹配Java 11兼容符号原因问询

版本间匹配行为差异原因 #

• \p{Cs}的正则语义是匹配Unicode分类中的代理项（Surrogate），仅对孤立存在、无法组成有效代理对的高/低代理码点生效，由有效代理对组成的完整辅助平面字符不属于Cs分类。
• Java 11及更早版本的正则匹配默认按UTF-16代码单元（16位char类型）逐个遍历字符串。你构造的字符串由高代理码点55622（U+D866）、低代理码点56380（U+DF3C）两个char组成，旧版本会单独判定两个char的分类都为Cs，因此匹配结果为true。
• Java 16对正则匹配逻辑做了变更：默认基于Unicode完整代码点遍历字符串，会自动将有效代理对识别为单个完整的Unicode字符。你构造的两个代理码点组成了完整的CJK统一表意文字扩展B字符U+2683C，分类为Lo（其他字母），不属于Cs分类，因此匹配结果为false。

如果需要在Java 16中复现旧版本的匹配行为，可以在编译正则时显式关闭Unicode字符类默认配置：

// 0表示不开启任何flag，回退到旧版本按UTF-16代码单元匹配的逻辑
Pattern.compile("\\p{Cs}", 0).matcher(text).find()

内容的提问来源于stack exchange，提问作者Sandro Batista Santos