Question

启用Pattern.UNICODE_CHARACTER_CLASS标志时，我遇到了匹配某些标点符号的问题。

示例代码如下：

final Pattern p = Pattern.compile("\\p{Punct}",Pattern.UNICODE_CHARACTER_CLASS);
final Matcher matcher = p.matcher("+");
System.out.println(matcher.find());

输出是错误的，尽管在文档中明确指出p {Punct}包含诸如！＆＃34;＃$％＆amp;＆＃39;（）* +， - 。/：;＆lt;等字符。 =＆GT;？@ [] ^ _`{|}〜

除了＆＃39; +＆＃39;签名，以下字符$ +＆lt; =＆gt; ^`|〜

也会出现同样的问题

当删除Pattern.UNICODE_CHARACTER_CLASS时，它可以正常工作

我将很感激有关该问题的任何提示

Answer 1

来自documentation：

指定此标志时，（仅限US-ASCII）预定义字符类和POSIX字符类符合 Unicode Technical Standard #18: Unicode Regular Expression Annex C：兼容性属性。

如果您查看UTS35（Unicode技术标准）的常规类别属性，您会看到符号（case BPred2bit: p = &pred_dir->config.bimod.table[BIMOD_HASH(pred_dir, baddr)]; break;和子类别）和标点符号（{{1）之间的区别在常规类别属性下的table中的}和子类别。

引用：

最基本的整体角色属性是一般类别，这是Unicode字符的基本分类：字母，标点符号，符号，标记，数字，分隔符和其他。

如果您尝试使用S的示例，并且标记为on，则它将匹配。

我的猜测是P未在标点符号下列为任意（但在语义上合适）选择，即字面上标点符号！=符号。

Answer 2

javadoc说明// p {punc}下的内容，但需要注意 POSIX字符类（仅限US-ASCII）

如果你看一下unicode中的标点字符，就没有+或$。在http://www.fileformat.info/info/unicode/category/Po/list.htm处查看unicode中的标点字符。

某些标点字符与Pattern.UNICODE_CHARACTER_CLASS标志启用不匹配

2 个答案: