某些标点字符与Pattern.UNICODE_CHARACTER_CLASS标志启用不匹配

Question

启用Pattern.UNICODE_CHARACTER_CLASS标志时，我遇到了匹配某些标点字符的问题。

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}包含的字符如！“＃$％＆'（）* +， - 。/：; <=>？@ [] ^ _`{| }〜

除了'+'符号，后续字符$ + <=> ^`|〜也会出现同样的问题

当删除Pattern.UNICODE_CHARACTER_CLASS时，它工作正常

我将不胜感激任何有关该问题的提示

Answer 1

从文档 ：

指定此标志后，（仅限US-ASCII）预定义字符类和POSIX字符类符合Unicode技术标准＃18：Unicode正则表达式附录C ：兼容性属性。

如果您查看UTS35 （Unicode技术标准）的常规类别属性，您将在常规类别属性下的表格中看到符号（ S和子类别）和标点符号（ P和子类别）之间的区别。

引用：

最基本的整体字符属性是常规类别，它是Unicode字符的基本分类：字母，标点符号，符号，标记，数字，分隔符和其他。

如果您尝试使用\\\\p{S}示例，并打开标记，它将匹配。

我的猜测是+在标点符号下没有被列为任意（但在语义上合适）的选择，即字面上的标点符号！=符号。

Answer 2

javadoc说明了// p {punc}下的内容
POSIX字符类（仅限US-ASCII）

如果你看一下unicode中的标点字符，就没有+或$。 在http://www.fileformat.info/info/unicode/category/Po/list.htm上查看 unicode中的标点字符。