正则表达式——Unicode 属性列表

7.7.1 Unicode Property

  每个 Unicode 字符都只能属于一个 Unicode Property。所有的 Unicode Property 共分为7大类，30小类。大类的名字只有1个字母，小类的名字则不知1个字母，开头字母与所在大类的名字相同，小类包含的字符都属于它所在的大类。

.tg {border-collapse:collapse;border-spacing:0;}
.tg td{font-family:Arial, sans-serif;font-size:14px;padding:10px 5px;border-style:solid;border-width:1px;overflow:hidden;word-break:normal;border-color:black;}
.tg th{font-family:Arial, sans-serif;font-size:14px;font-weight:normal;padding:10px 5px;border-style:solid;border-width:1px;overflow:hidden;word-break:normal;border-color:black;}
.tg .tg-s268{text-align:left}
.tg .tg-0lax{text-align:left;vertical-align:top}

Unicode Property		说明
\p{C}		不可见的控制字符和未使用的码值
	\p{Cc}	ASCII 编码中 0x00 到 0x1F 或 Latin-1 编码中 0x80 到 0x9F 的控 制字符
	\p{Cf}	不可见的格式字符
	\p{Co}	留作私用的码值
	\p{Cs}	UTF-16 编码中 surrogate pair 的一半
	\p{Cn}	未指定的码值
\p{L}		各种语言中的字母
	\p{Ll}	具有大写形式的字母的小写形式
	\p{Lt}	只有在单词首位才大写的字符
	\p{L&}	等于Ll、Lu、Lt的组合
	\p{Lo}	没有大小写形态的字母
	\p{Lu}	具有小写字母的字母的大写形式
\p{M}		用来与其他字符结合的字符（声调、元音变化音等）
	">\p{Mc}	与其他字符组合，并且会占用空间的字符（常见于东亚语言）
	\p{Me}	需要成对出现的字符，比如圆括号、方括号
	\p{Mn}	用来与其他字符结合，但并不占用额外空间的字符
\p{N}		各种书写系统中的数字字符
	\p{Nd}	各种书写系统中的 0~9 的字符
	\p{Nl}	形如字符的数字，比如罗马数字
	\p{No}	上标或者下标数字，或者是0~9之外的数字（不包括表一书写系 统中的数字）
\p{P}		各种标点符号
	\p{Pd}	各种连字符号
	\p{Ps}	成对但不同的符号的前半部分（包括英文括号、中文括号、书名号）
	\p{Pe}	成对但不同的符号的后半部分（包括英文括号、中文括号、书名号）
	\p{Pi}	成对但不同的符号的前半部分（比如单引号、双引号）
	\p{Pf}	成对但不同的符号的后半部分（比如单引号、双引号）
	\p{Pc}	类似下划线之类的标点字符
	\p{Po}	除横线、括号、引号和连接符之外的任何标点符号
\p{S}		数字符号、货币符号
	\p{Sm}	数字符号
	\p{Sc}	货币符号
	\p{Sk}	由多个字符构成的组合字符
	\p{So}	数字符号、货币符号和组合字符之外的符号字符
	\p{Z}	空白字符，或者不可见的字符
	\p{Zs}	不可见但占用空间的空白字符
	\p{Zl}	分行符 U+2028
	\p{Zp}	分段符 U+2029

7.7.1 Unicode Block

  每个 Unicode Block 都对应一个连续的 Unicode 码值区间，U+0000 到U+FFFF 之间的字符一共划分为 105 个 Block。

  使用时应该注意，Java 使用的 Unicode Block 是\p{In...}形式的，比如InCJK_Unified_Ideographs;而 .NET 使用的 Unicode Block 是\p{Is...}形式的，同时不包含下划线，比如IsCJKUnifiedIdeographs。