Java支持哪些内置正则表达式字符类？

Question

涉及使用类似于 "\\p{someCharacterClass}" 的模式。
我见过/使用了一些：

• Lower（小写）
• Upper（大写）
• InCombiningDiacriticalMarks（组合变音符号）
• ASCII

什么是所有支持的内置字符类的明确列表？文档在哪里？它们确切的含义是什么？

编辑...

似乎有很多答案都是“RTFM”，参考 Pattern 的 javadoc。这是我在提问之前首先查看的地方。只要大家清楚，Pattern 的 javadoc 没有提到上面列出的任何类。

“正确”的答案将在页面上提到 “InCombiningDiacriticalMarks”，而不会是对 “Unicode Standards” 的模糊引用。

- Bohemian

---

你有查阅过Pattern文档吗？ - Greg Hewgill

是的，我已经检查过了...你呢？那是我首先查看的地方，但那里没有提到上面的内容，也没有任何链接指向相关页面。 - Bohemian

@GregHewgill 好的，很棒。那么列出所有上述内容及其含义的页面链接是什么？ - Bohemian

“Blocks.txt”文件记录了代码点范围，因此可以获取该范围的代码图表：http://www.unicode.org/charts/PDF/UE0000.pdf（我也不知道这些“标签”有什么用途）。 - Greg Hewgill

@GregHewgill 好的，回答不错。如果您在答案中包含这个，我会接受它！感谢您的坚韧。 - Bohemian

Answer 1

Pattern文档中的“Unicode支持”章节说明道：

受支持的类别是由Character类指定的版本中的Unicode标准支持的类别。类别名称是在标准中定义的，包括标准和非标准的名称。Pattern支持的块名称是由UnicodeBlock.forName接受并定义的有效块名称。

UnicodeBlock.forName文档中说明道：

块名称由Unicode标准确定。

在http://unicode.org中有一个常见问题解答（FAQ）“我在哪里可以找到Unicode块的明确列表？”：

答：Unicode块及其名称是Unicode标准的一个规范部分。确切的列表始终在Unicode字符数据库的一个文件中维护，即 Blocks.txt 。

最后，在Blocks.txt中有以下内容：

0300..036F; Combining Diacritical Marks

这些字符可以在组合用途的变音符号代码图表中找到（来自Unicode 6.0字符代码图表）。

- Greg Hewgill

Answer 2

Pattern API 要求遵循由http://www.unicode.org/reports/tr18/定义的正则表达式级别1。

有三个漂亮的表格（搜索 UCD.html），并查看 UCD.html 本身。

- Joop Eggen

Answer 3

这个页面提供了一些流行类别的好细节，例如：

• \p{L}或\p{Letter}：任何语言中的任何字母。
• \p{M}或\p{Mark}：旨在与另一个字符组合的字符（例如，重音符号、变音符号、封闭框等）。
• \p{N}或\p{Number}：任何脚本中的任何数字字符。

- Justin Harris

Answer 4

规范是http://docs.oracle.com/javase/6/docs/api/java/util/regex/Pattern.html。在某些情况下，它涉及到特定版本的TUS，您可以在http://unicode.org找到相关材料。

- bmargulies

---

是的，我在发布这个问题之前阅读了Pattern javadoc。请问列出所有类及其含义的页面的确切链接是什么？ - Bohemian

Answer 5

在 javadocs 中查找 Pattern 类。

- duffymo

---

是的，我在发布这个问题之前阅读了Pattern javadoc。请问列出所有类及其含义的页面的确切链接是什么？ - Bohemian

这个在我发布的javadoc链接里面。那就是精确的页面，除非我没有理解你的问题。 - duffymo

那个页面上的“CombiningDiacriticalMarks”在哪里？（这是一个修辞问题。它不在那里）。我想要链接到完整列表和每个支持字符类的定义。 - Bohemian

版主请注意：这是另一个我的回答在多年后被单独点踩的情况。页面上的其他回答都没有被点踩。我不禁觉得这是有针对性的。 - duffymo