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 编码并不仅是为某个字符简单定义了一个编码，并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。  其余六个是  L：字母；  M：标记符号（通常不会单独出现）；  Z：分隔符（好比空格、换行等）；  S：符号（好比数学符号、货币符号等）；  N：数字（好比阿拉伯数字、罗马数字等）；  C：其余字符  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（能够找到全部的子属性）  http://www.unicode.org/reports/tr18/  各 Unicode 字符属性的定义，能够用一看看某个字符具备什么属性。  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，  以及其余一些字符信息。