JavaのPattern.UNICODE_CASEフィールドとは？具体例付きで解説

Pattern.UNICODE_CASEは、Javaの正規表現においてUnicode対応のケースフォールディング（大文字・小文字の同一視）を有効にするためのフラグです。

通常、CASE_INSENSITIVEフラグだけでは大文字・小文字の区別を無効化できますが、その対象は主にASCII文字に限られます。UNICODE_CASEをCASE_INSENSITIVEと組み合わせてcompile()メソッドに渡すことで、「Þ（U+00DE）」と「þ（U+00FE）」のようなASCII以外のUnicode文字についても、大文字・小文字を問わずマッチさせられるようになります。

主なポイント

• 単体では機能せず、CASE_INSENSITIVEとの併用が前提となるフラグ
• Unicodeの大文字・小文字の対応関係（ケースマッピング）に基づいてマッチングを行う
• 多言語テキストを扱う正規表現処理で特に有用

使用例

以下のコードでは、パターン「Þ」（\u00de）をUNICODE_CASEとCASE_INSENSITIVEの両フラグ付きでコンパイルし、4つの異なる文字に対してマッチングを実行しています。

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class UNICODE_CASE_Example {
    public static void main(String args[]) {
        String regex = "\u00de";
        // 正規表現をコンパイル（UNICODE_CASE + CASE_INSENSITIVE を指定）
        Pattern pattern = Pattern.compile(regex, Pattern.UNICODE_CASE | Pattern.CASE_INSENSITIVE);
        // 検証対象の文字列配列
        String str[] = {"\u00de", "\u00fe", "\u00ee", "\u00ce"};
        for (String ele : str) {
            Matcher matcher = pattern.matcher(ele);
            if (matcher.matches()) {
                System.out.println(ele + " is a match for " + regex);
            } else {
                System.out.println(ele + " is not a match for " + regex);
            }
        }
    }
}

実行結果

Þ is a match for Þ
þ is a match for Þ
î is not a match for Þ
Î is not a match for Þ

結果の解説

実行結果を見ると、大文字の「Þ」と小文字の「þ」の両方がマッチしていることが確認できます。これがUNICODE_CASEフラグの効果です。

一方、「î」や「Î」は「Þ」とは大文字・小文字の対応関係にないため、マッチしません。つまり、このフラグは単純に大文字小文字を無視するのではなく、Unicode標準で定義されたケースマッピングの対応関係に基づいてマッチングを行っている点が特徴です。