java - 正则表达式\p{Punct} 在 java 中缺少 unicode 标点符号

Question

我写了一个小测试来演示

@Test
public void missingPunctuationRegex() {
    Pattern punct = Pattern.compile("[\\p{Punct}]");

    Matcher m = punct.matcher("'");
    assertTrue("ascii puctuation", m.find());

    m = punct.matcher("‘");
    assertTrue("unicode puctuation", m.find());
}

第一个断言通过，第二个断言失败。您可能需要眯着眼睛才能看到它，但这是“左单引号”(U+2018)，据我所知应该作为标点符号包含在内。

我如何匹配 Java 正则表达式中的所有标点符号？

Answer 1

您可以使用 UNICODE_CHARACTER_CLASS使 \p{Punct} 匹配所有 Unicode 标点符号的标志。