求助：使用.NET正则表达式匹配全Unicode数字失败

嘿，我来帮你捋捋这个踩过的坑——之前我也碰到过类似的情况，明明想着用Unicode类别匹配就能覆盖所有数字，结果总有漏网之鱼，太懂这种郁闷了😅

1. 别用\d，改用\p{N}匹配全类别Unicode数字 #

默认情况下，.NET的\d只认十进制数字（\p{Nd}类别）——就是我们熟悉的0-9，加上阿拉伯-Indic、印度数字这类十进制体系的字符，但像罗马数字（ⅠⅡⅢ）、圈数字（①②③）、分数（¼½¾）这些属于\p{Nl}（字母数字）或\p{No}（其他数字）的字符，\d是抓不到的。

如果要覆盖所有Unicode体系的数字，直接用\p{N}就行，它会匹配所有Unicode数字类别（Nd、Nl、No）的字符。比如试试这段测试代码：

var testStr = "123 ٤٥٦ ७८९ ⅠⅡⅢ ①②③ ¼½¾";
var regex = new Regex(@"\p{N}+");
foreach (var match in regex.Matches(testStr))
{
    Console.WriteLine($"捕获到：{match.Value}");
}

运行后应该能把所有类型的数字序列都抓出来。

2. 确保UTF-8文件解码没出错 #

你提到字符串来自UTF-8编码的文件，这一步一定要注意！如果读取时用了默认的File.ReadAllText(path)（自动检测编码偶尔会翻车），或者误用了ASCII编码，字符会变成乱码，自然没法被正则识别。

正确的读取方式要显式指定UTF-8：

var content = File.ReadAllText("你的文件路径", Encoding.UTF8);

如果文件带BOM，Encoding.UTF8会自动处理；要是文件无BOM，也可以用new UTF8Encoding(false)来忽略BOM，根据你的文件情况选就行。

3. 排查未识别数字的Unicode属性 #

要是还有部分数字没被捕获，那得先确认这些字符到底算不算Unicode数字。有些看起来像数字的字符，其实属于其他类别（比如特殊符号或字母）。

你可以用这段代码查看单个字符的Unicode类别：

char targetChar = '你要测试的字符';
var category = Char.GetUnicodeCategory(targetChar);
Console.WriteLine($"字符{targetChar}的Unicode类别：{category}");

如果返回的是DecimalDigitNumber、LetterNumber或OtherNumber，那\p{N}肯定能匹配；要是其他类别，那它本来就不属于Unicode数字体系，自然抓不到。

4. 注意正则选项的影响 #

如果你开启了RegexOptions.ECMAScript，\d会被限制为仅匹配ASCII的0-9，但\p{N}不受这个选项影响，所以只要用\p{N}就不用怕这个问题。

内容的提问来源于stack exchange，提问作者wtfowler