string testStr = "你好,测试。";
Regex reg = new Regex(@"\p{P}");
testStr = reg.Replace(testStr, "");
//testStr=你好测试
Unicode 编码并不只是为某个字符简单定义了一个编码,而且还将其进行了归类。
\pP 其中的小写 p 是 property 的意思,表示 Unicode 属性,用于 Unicode 正表达式的前缀。
大写 P 表示 Unicode 字符集七个字符属性之一:标点字符。
其他六个是
L:字母;
M:标记符号(一般不会单独出现);
Z:分隔符(比如空格、换行等);
S:符号(比如数学符号、货币符号等);
N:数字(比如阿拉伯数字、罗马数字等);
C:其他字符
上面这七个是属性,七个属性下还有若干个子属性,用于更进一步地进行细分。
Java 中用于 Unicode 的正则表达式数据都是由 Unicode 组织提供的。
Unicode 正则表达式标准(可以找到所有的子属性)
http://www.unicode.org/reports/tr18/
各 Unicode 字符属性的定义,可以用一看看某个字符具有什么属性。
http://www.unicode.org/Public/UNIDATA/UnicodeData.txt
这个文本文档一行是一个字符,第一列是 Unicode 编码,第二列是字符名,第三列是 Unicode 属性,
以及其他一些字符信息。
类别 | 说明 |
---|---|
Lu | 字母,大写 |
Ll | 字母,小写 |
Lt | 字母,首字母大写 |
Lm | 字母,修饰符 |
Lo | 字母,其他 |
L | 所有字母字符。 这包括 Lu、Ll、Lt、Lm 和 Lo 字符。 |
Mn | 标记,非间距 |
Mc | 标记,间距组合 |
Me | 标记,封闭 |
M | 所有音调符号标记。 这包括 Mn、Mc 和 Me 类别。 |
Nd | 数字,十进制数 |
Nl | 数字,字母 |
No | 数字,其他 |
N | 所有数字。 这包括 Nd、Nl 和 No 类别。 |
Pc | 标点,连接符 |
Pd | 标点,短划线 |
Ps | 标点,开始 |
Pe | 标点,结束 |
Pi | 标点,前引号(根据具体使用情况,作用可能像 Ps 或 Pe) |
Pf | 标点,后引号(根据具体使用情况,作用可能像 Ps 或 Pe) |
Po | 标点,其他 |
P | 所有标点字符。 这包括 Pc、Pd、Ps, Pe、Pi、Pf 和 Po 类别。 |
Sm | 符号,数学 |
Sc | 符号,货币 |
Sk | 符号,修饰符 |
So | 符号,其他 |
S | 所有符号。 这包括 Sm、Sc、Sk 和 So 类别。 |
Zs | 分隔符,空白 |
Zl | 分隔符,行 |
Zp | 分隔符,段落 |
Z | 所有分隔符字符。 这包括 Zs、Zl 和 Zp 类别。 |
Cc | 其他,控制 |
Cf | 其他,格式 |
Cs | 其他,代理项 |
Co | 其他,私用 |
Cn | 其他,未赋值(任何字符都不具有此属性) |
C | 所有控制字符。 这包括 Cc、Cf、Cs、Co 和 Cn 类别。 |
转载请注明本文地址: 正则表达式-匹配标点符号