为什么 Unicode 字符“减号”(U+2212) 不在正则表达式 unicode 组 \p{Pd} (Dash_Punctuation) 中？

Question

我正在尝试收集所有破折号以在分析原始文本数据时使用它。我发现Unicode正则表达式\\p{Pd}应该匹配所有大小写，但毕竟，结果证明这个字符\xe2\x88\x92不匹配！

\n\n

以下是有关此字符的更多信息：\n https://www.fileformat.info/info/unicode/char/2212/index.htm

\n\n

这是一个错误还是一个功能？实际上这并不是什么有用的东西。

\n

Answer 1

Unicode 字符U+2212 MINUS SIGN是与数学相关的符号，可能不被视为标点符号；例如，它匹配\p{Math}但不匹配\p{Punctuation}（包括\p{Dash_Punctuation}）。

您可能想尝试使用\p{Dash}它，并检查它是否满足您的所有需求......

参考：U+2212 的属性

编辑：

以下是具有 Unicode 属性的所有字符的“官方”列表Dash：https://unicode.org/cldr/utility/list-unicodeset.jsp?a=[:Dash=Yes:]，包括该U+2212 MINUS SIGN字符。

在 Unicode 12.0 中，JavaScript 正则表达式：

/\p{Dash}/u

相当于：

/[\u002D\u058A\u05BE\u1400\u1806\u2010\u2011\u2012\u2013\u2014\u2015\u2053\u207B\u208B\u2212\u2E17\u2E1A\u2E3A\u2E3B\u2E40\u301C\u3030\u30A0\uFE31\uFE32\uFE58\uFE63\uFF0D]/