利用Unicode屬性移除文本中的標點符號

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

 

摘抄：  str = str.replaceAll("[\\pP‘’「」]", "");  Unicode 編碼並不僅是爲某個字符簡單定義了一個編碼，並且還將其進行了歸類。  \pP 其中的小寫 p 是 property 的意思，表示 Unicode 屬性，用於 Unicode 正表達式的前綴。  大寫 P 表示 Unicode 字符集七個字符屬性之一：標點字符。  其餘六個是  L：字母；  M：標記符號（通常不會單獨出現）；  Z：分隔符（好比空格、換行等）；  S：符號（好比數學符號、貨幣符號等）；  N：數字（好比阿拉伯數字、羅馬數字等）；  C：其餘字符  上面這七個是屬性，七個屬性下還有若干個子屬性，用於更進一步地進行細分。  Java 中用於 Unicode 的正則表達式數據都是由 Unicode 組織提供的。  Unicode 正則表達式標準（能夠找到全部的子屬性）  http://www.unicode.org/reports/tr18/  各 Unicode 字符屬性的定義，能夠用一看看某個字符具備什麼屬性。  http://www.unicode.org/Public/UNIDATA/UnicodeData.txt  這個文本文檔一行是一個字符，第一列是 Unicode 編碼，第二列是字符名，第三列是 Unicode 屬性，  以及其餘一些字符信息。