利用Unicode属性移除文本中的标点符号

原文：http://bbs.csdn.net/topics/270033191

 

摘抄： 
str = str.replaceAll("[\\pP‘’“”]", "");

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。