Unicode 字符集七个字符属性

前端时间在学习别人敏感词过滤的时候， 发现了一段很有意思的代码，网上搜了下，有介绍， 但不多，在次整理下， 增加下网友搜索命中度， 也方便自己后面查找。

代码是关于标点符号的正则匹配：

	private static boolean isPunctuationChar(String c) {
		String regex = "[\\pP\\pZ\\pS\\pM\\pC]";
		Pattern p = Pattern.compile(regex, 2);
		Matcher m = p.matcher(c);
		return m.find();
	}

注意上面的regex 很神奇是吧！当时我也看的咋呼了（英语不太好- -!）！

下面大致讲下这是个咋回事！这就要说到Unicode
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。

属性归类	子属性	含义
L	Lu	Uppercase Letter
	Ll	Lowercase Letter
	Lt	Titlecase Letter
	Lm	Modifier Letter
	Lo	Other Letter
M	Mn	Non-Spacing Mark
	Mc	Spacing Combining Mark
	Me	Enclosing Mark
N	Nd	Decimal Digit Number
	Nl	Letter Number
	No	Other Number
S	Sm	Math Symbol
	Sc	Currency Symbol
	Sk	Modifier Symbol
	So	Other Symbol
P	Pc	Connector Punctuation
	Pd	Dash Punctuation
	Ps	Open Punctuation
	Pe	Close Punctuation
	Pi	Initial Punctuation
	Pf	Final Punctuation
	Po	Other Punctuation
Z	Zs	Space Separator
	Zl	Line Separator
	Zp	Paragraph Separator
C	Cc	Control
	Cf	Format
	Cs	Surrogate
	Co	Private Use
	Cn	Unassigned

Java 中用于 Unicode 的正则表达式数据都是由 Unicode 组织提供的。上面的含义就不转中文了（头疼）， 官方文档找来的， 一般也用不到！