java - 某些标点字符与启用的 Pattern.UNICODE_CHARACTER_CLASS 标志不匹配

Question

当启用 Pattern.UNICODE_CHARACTER_CLASS 标志时，我在匹配一些标点字符时遇到问题。

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，尽管文档中明确指出 p{Punct} 包含诸如 !"#$%&'()*+,-./:;<=>?@[]^_ 之类的字符`{|}~

除了'+'符号，后面的字符也会出现同样的问题 $+<=>^`|~

当 Pattern.UNICODE_CHARACTER_CLASS 被移除时，它工作正常

我将不胜感激关于该问题的任何提示

Answer 1

来自documentation :

When this flag is specified then the (US-ASCII only) Predefined character classes and POSIX character classes are in conformance with Unicode Technical Standard #18: Unicode Regular Expression Annex C: Compatibility Properties.

如果您查看 UTS35 的一般类别属性(Unicode 技术标准)，您会在 table 中看到符号(S 和子类别)和标点符号(P 和子类别)之间的区别。在一般类别属性(property)下。

引用:

The most basic overall character property is the General Category, which is a basic categorization of Unicode characters into: Letters, Punctuation, Symbols, Marks, Numbers, Separators, and Other.

如果您使用 \\p{S} 尝试您的示例，并打开标志，它将匹配。

我的猜测是 + 没有作为任意(但在语义上是适当的)选择列在标点符号下，即字面上的标点符号!=符号。