zoukankan      html  css  js  c++  java
  • 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。
  • 相关阅读:
    python scrapy爬取前程无忧招聘信息
    scrf 原理及flask-wtf防护
    Django 惰性机制
    Django 中配置MySQL数据库
    Django的安装命令
    python装饰器
    python面向对象之继承
    OSI七层模型
    面向对象
    python函数
  • 原文地址:https://www.cnblogs.com/toby/p/3256505.html
Copyright © 2011-2022 走看看