刨根问底：Java中的“\p{P}”到底是什么意思

刨根问底：Java中的“p{P}”到底是什么意思

问题由来：
在代码中看到了Patternpile("\p{P}")，用来识别符号，但是这个正则表达式却不匹配加号+，所以p{P}到底是什么意思呢

谷歌了一下，找到StackOverflow上有人问了一模一样的问题

可是这个问题被关掉了，理由是问题重复，贴出了另一个解释所有正则表达式含义的参考回答

nice try，给出正则表达式的参考回答，此举可以减少重复零散的提问
问题是这个参考回答里面根本没有说p{P}到底是什么意思
（似乎在查正则表达式的时候总会遇到类似的问题，然后每次都会归因于自己没学好正则）

再回去看StackOverflow上的回答，有人贴出了Java文档，说这篇文档中有解释

问题是，并没有啊

文档中提到了p{Punct}，是下列符号之一：!"#$%&'()*+,-./:;<=>?@[]^_`{|}~，很好，定义非常清晰。

p{P}会是p{Punct}的缩写吗，可是p{P}是不会匹配+的，而p{Punct}的定义中是包含+的
文档中还提到了p{Print}，是可打印字符[p{Graph}x20]，其中p{Graph}是[p{Alnum}p{Punct}]，其中[p{Lower}p{Upper}]，其中p{Lower}和p{Upper}分别是[a-z]和[A-Z]。好家伙，环环相扣。
所以p{P}是p{Punct}还是p{Print}呢，反正Java文档里面没说。

测试一下

Pattern.matches("\p{P}", "+");
Pattern.matches("\p{Punct}", "+");

结果分别是false和true，显然p{P}和p{Punct}不是一回事

再回到StackOverflow，在Java文档的回复下还有两条回复

If I search the Javadocs I don’t find p{P} just p{Punctuation} and p{Print}. Similarly I searched the referenced answer which is already supposed to answer this question and also don’t find a reference to p{P}

我查找了Java文档，没找到p{P}，只找到p{Punctuation}和p{Print}。同样，我查找了参考回答，那里面本应有这个问题的答案吧？但是我没找到对于p{P}的解释

The linked question (“What does this regex mean?”) doesn’t specifically mention the punctuation Unicode category, but does state that p is for Unicode categories, which addresses what p means (which is asked in this question). Whether it’s a duplicate depends in part on whether this question is primarily asking for an explanation for p, or what the ‘P’ category is (in which case, this question is actually asking 2 questions, one of which is a duplicate).

链接中的问题（“这个正则表达式是什么意思”）并未明确提及Unicode的标点目录，不过确实说到了p表示Unicode目录，这解决了p是什么意思的问题（这是本问题中问到的）。这个问题是否重复部分取决于这个问题首先是要求解释p，还是要求解释“P目录”是什么（在这种情况下，这个问题实际上是提出了两个问题，其中一个是重复的）。

看来不止我有同样的疑问。
再看这个问题的关闭记录，里面提到StackOverflow社区重新审核了是否要重新开启这个问题，结论是，还是让它保持关闭状态吧，当初关闭它的理由不变。怎么就感觉这个问题这么冤呢？

这时我还发现idea居然能识别p{P}和p{Punct}
（这个提示也说明p{P}不是p{Print}）


得，Punctuation和Punctuation characters还有区别

既然谁讲也讲不清楚，那就暴力试验一下，p{P}和p{Punct}到底会匹配哪些字符

    public static final Pattern P = Patternpile("\p{P}");public static final Pattern PUNCT = Patternpile("\p{Punct}");public static void main(String[] args) {StringBuilder psb = new StringBuilder();StringBuilder punctsb = new StringBuilder();// 穷举所有码点for (int i = Character.MIN_CODE_POINT; i < Character.MAX_CODE_POINT; i++) {String c = String.Chars(i));if (P.matcher(c).find()) {psb.append(c);}if (PUNCT.matcher(c).find()) {punctsb.append(c);}}System.out.println(psb);System.out.println(punctsb);}

输出结果如下，说来差别也是蛮大的

!"#%&'()*,-./:;?@[]_{}¡§«¶·»¿;·՚՛՜՝՞՟։֊־׀׃׆׳״؉؊،؍؛؞؟٪٫٬٭۔܀܁܂܃܄܅܆܇܈܉܊܋܌܍߷߸߹࠰࠱࠲࠳࠴࠵࠶࠷࠸࠹࠺࠻࠼࠽࠾࡞।॥॰૰෴๏๚๛༄༅༆༇༈༉༊་༌།༎༏༐༑༒༔༺༻༼༽྅࿐࿑࿒࿓࿔࿙࿚၊။၌၍၎၏჻፠፡።፣፤፥፦፧፨᐀᙭᙮᚛᚜᛫᛬᛭᜵᜶។៕៖៘៙៚᠀᠁᠂᠃᠄᠅᠆᠇᠈᠉᠊᥄᥅᨞᨟᪠᪡᪢᪣᪤᪥᪦᪨᪩᪪᪫᪬᪭᭚᭛᭜᭝᭞᭟᭠᯼᯽᯾᯿᰻᰼᰽᰾᰿᱾᱿᳀᳁᳂᳃᳄᳅᳆᳇᳓‐‑‒–—―‖‗‘’‚‛“”„‟†‡•‣․‥…‧‰‱′″‴‵‶‷‸‹›※‼‽‾‿⁀⁁⁂⁃⁅⁆⁇⁈⁉⁊⁋⁌⁍⁎⁏⁐⁑⁓⁔⁕⁖⁗⁘⁙⁚⁛⁜⁝⁞⁽⁾₍₎〈〉❨❩❪❫❬❭❮❯❰❱❲❳❴❵⟅⟆⟦⟧⟨⟩⟪⟫⟬⟭⟮⟯⦃⦄⦅⦆⦇⦈⦉⦊⦋⦌⦍⦎⦏⦐⦑⦒⦓⦔⦕⦖⦗⦘⧘⧙⧚⧛⧼⧽⳹⳺⳻⳼⳾⳿⵰⸀⸁⸂⸃⸄⸅⸆⸇⸈⸉⸊⸋⸌⸍⸎⸏⸐⸑⸒⸓⸔⸕⸖⸗⸘⸙⸚⸛⸜⸝⸞⸟⸠⸡⸢⸣⸤⸥⸦⸧⸨⸩⸪⸫⸬⸭⸮⸰⸱⸲⸳⸴⸵⸶⸷⸸⸹⸺⸻、。〃〈〉《》「」『』【】〔〕〖〗〘〙〚〛〜〝〞〟〰〽゠・꓾꓿꘍꘎꘏꙳꙾꛲꛳꛴꛵꛶꛷꡴꡵꡶꡷꣎꣏꣸꣹꣺꤮꤯꥟꧁꧂꧃꧄꧅꧆꧇꧈꧉꧊꧋꧌꧍꧞꧟꩜꩝꩞꩟꫞꫟꫰꫱꯫﴾﴿︐︑︒︓︔︕︖︗︘︙︰︱︲︳︴︵︶︷︸︹︺︻︼︽︾︿﹀﹁﹂﹃﹄﹅﹆﹇﹈﹉﹊﹋﹌﹍﹎﹏﹐﹑﹒﹔﹕﹖﹗﹘﹙﹚﹛﹜﹝﹞﹟﹠﹡﹣﹨﹪﹫！＂＃％＆＇（）＊，－．／：；？＠［＼］＿｛｝｟｠｡｢｣､･𐄀𐄁𐄂𐎟𐏐𐡗𐤟𐤿𐩐𐩑𐩒𐩓𐩔𐩕𐩖𐩗𐩘𐩿𐬹𐬺𐬻𐬼𐬽𐬾𐬿𑁇𑁈𑁉𑁊𑁋𑁌𑁍𑂻𑂼𑂾𑂿𑃀𑃁𑅀𑅁𑅂𑅃𑇅𑇆𑇇𑇈𒑰𒑱𒑲𒑳
!"#$%&'()*+,-./:;<=>?@[]^_`{|}~

idea还有自动补全提示

这么看来Unicode确实有很多用字母或缩写表示的category，理应是存在一个文档的，不然idea怎么认识呢，不然Java怎么会去实现呢

或许关键词是Unicode category
回到StackOverflow的参考回答，在其中找到了一个叫Unicode categories的链接，链接到了另一个问题：Unicode category L是什么
其中一个回答贴出了一个链接，其中列出了所有的Unicode categories

谷歌一下Unicode categories，找到了维基百科的解释

这些名字越看越眼熟，不就是我两年前看过的东西么，淦

总结一下
p{P}是Unicode定义的，是一个Unicode目录，表示所有的符号，可以细分为Pc、Pd、Pe等等
p{Punct}是Java定义的，是下列符号之一：!"#$%&'()*+,-./:;<=>?@[]^_`{|}~

那么还有最后一个问题
为什么Unicode P目录下不包含加号+？

其实也没有为什么，反正Unicode把加号归类到S目录下了（S for Symbol），具体来说是Sm目录（Symbol, math）

刨根问底结束