我是一個正則表達式（Regular Expressions）迷。當我正在撰寫一個正則表達式，用來尋找沒有結尾標點符號的經節時：
[^\\][^\p{P}\d]\r\n\\v
或
[^\\l][^\p{P}\d]\r\n\\v \d+ \p{Lu}
，我意識到 RegexPal（以及 FLEx 的篩選/處理功能）中 C# 風格的正則表達式支援簡寫（而非長寫）的 Unicode 字元類別。
其中一些最有用的是：
-
\p{L} 字母（幾乎適用於任何正字法）
-
\p{Lu} 大寫字母
-
\p{Ll} 小寫字母
-
\p{P} 標點符號
-
\p{M} 任何變音符號
如果斜線後的 P 是大寫，則表示「非」該字元類別。
完整清單：
-
\p{L}：任何語言的任何類型字母。
-
\p{Ll}：具有大寫變體的小寫字母。
-
\p{Lu}：具有小寫變體的大寫字母。
-
\p{Lt}：當僅單詞首字母大寫時，出現在單詞開頭的字母。
-
\p{L&}：同時存在小寫和大寫變體的字母（Ll、Lu 和 Lt 的組合）。
-
\p{Lm}：像字母一樣使用的特殊字元。
-
\p{Lo}：沒有小寫和大寫變體的字母或表意文字。
-
\p{M}：旨在與另一個字元組合使用的字元（例如：重音符號、變音符號、外框等）。
-
\p{Mn}：旨在與另一個字元組合使用且不佔用額外空間的字元（例如：重音符號、變音符號等）。
-
\p{Mc}：旨在與另一個字元組合使用且佔用額外空間的字元（許多東方語言中的元音符號）。
-
\p{Me}：包圍其組合字元的字元（圓圈、方框、鍵盤符號等）。
-
\p{Z}：任何類型的空白或不可見分隔符。
-
\p{Zs}：不可見但佔用空間的空白字元。
-
\p{Zl}：換行分隔符 U+2028。
-
\p{Zp}：分段分隔符 U+2029。
-
\p{S}：數學符號、貨幣符號、裝飾符號、製表符號等。
-
\p{Sm}：任何數學符號。
-
\p{Sc}：任何貨幣符號。
-
\p{Sk}：作為獨立完整字元使用的組合字元（標記）。
-
\p{So}：各種非數學符號、非貨幣符號且非組合字元的符號。
-
\p{N}：任何書寫系統中的任何類型數字字元。
-
\p{Nd}：除表意文字書寫系統外，任何書寫系統中的零到九的數字。
-
\p{Nl}：看起來像字母的數字，例如羅馬數字。
-
\p{No}：上標或下標數字，或非 0–9 的數字（排除表意文字書寫系統中的數字）。
-
\p{P}：任何類型的標點符號字元。
-
\p{Pd}：任何類型的連字符或破折號。
-
\p{Ps}：任何類型的開括號。
-
\p{Pe}：任何類型的閉括號。
-
\p{Pi}：任何類型的開引號。
-
\p{Pf}：任何類型的閉引號。
-
\p{Pc}：如底線等用於連接單詞的標點符號字元。
-
\p{Po}：任何非破折號、括號、引號或連接符的標點符號字元。
-
\p{C}：不可見的控制字元和未使用的碼位。
-
\p{Cc}：ASCII 或 Latin-1 控制字元：0x00–0x1F 和 0x7F–0x9F。
-
\p{Cf}：不可見的字體格式指示符。
-
\p{Co}：任何保留供私人使用的碼位。
-
\p{Cs}：UTF-16 編碼中代理對（surrogate pair）的一半。
-
\p{Cn}：任何尚未分配給任何字元的碼位。
完整文件：
https://www.regular-expressions.info/unicode.html#category
I’m a Regular Expressions nerd. While I was writing a regex to look for verses with no ending punctuation:
[^\\][^\p{P}\d]\r\n\\v
or
[^\\l][^\p{P}\d]\r\n\\v \d+ \p{Lu}
, I realized that the C# flavor of RegEx in RegexPal (and FLEx filtering/Process) supports shorthand (not longhand) Unicode character categories.
Some of the most useful are:
-
\p{L} Letter (nearly any orthography)
-
\p{Lu} Uppercase letter
-
\p{Ll} Lowercase letter
-
\p{P} Punctuation
-
\p{M} Any diacritic
If the P after the slash is capital, it means NOT that character class.
The whole list:
-
\p{L}: any kind of letter from any language.
-
\p{Ll}: a lowercase letter that has an uppercase variant.
-
\p{Lu}: an uppercase letter that has a lowercase variant.
-
\p{Lt}: a letter that appears at the start of a word when only the first letter of the word is capitalized.
-
\p{L&}: a letter that exists in lowercase and uppercase variants (combination of Ll, Lu and Lt).
-
\p{Lm}: a special character that is used like a letter.
-
\p{Lo}: a letter or ideograph that does not have lowercase and uppercase variants.
-
\p{M}: a character intended to be combined with another character (e.g. accents, umlauts, enclosing boxes, etc.).
-
\p{Mn}: a character intended to be combined with another character without taking up extra space (e.g. accents, umlauts, etc.).
-
\p{Mc}: a character intended to be combined with another character that takes up extra space (vowel signs in many Eastern languages).
-
\p{Me}: a character that encloses the character it is combined with (circle, square, keycap, etc.).
-
\p{Z}: any kind of whitespace or invisible separator.
-
\p{Zs}: a whitespace character that is invisible, but does take up space.
-
\p{Zl}: line separator character U+2028.
-
\p{Zp}: paragraph separator character U+2029.
-
\p{S}: math symbols, currency signs, dingbats, box-drawing characters, etc.
-
\p{Sm}: any mathematical symbol.
-
\p{Sc}: any currency sign.
-
\p{Sk}: a combining character (mark) as a full character on its own.
-
\p{So}: various symbols that are not math symbols, currency signs, or combining characters.
-
\p{N}: any kind of numeric character in any script.
-
\p{Nd}: a digit zero through nine in any script except ideographic scripts.
-
\p{Nl}: a number that looks like a letter, such as a Roman numeral.
-
\p{No}: a superscript or subscript digit, or a number that is not a digit 0–9 (excluding numbers from ideographic scripts).
-
\p{P}: any kind of punctuation character.
-
\p{Pd}: any kind of hyphen or dash.
-
\p{Ps}: any kind of opening bracket.
-
\p{Pe}: any kind of closing bracket.
-
\p{Pi}: any kind of opening quote.
-
\p{Pf}: any kind of closing quote.
-
\p{Pc}: a punctuation character such as an underscore that connects words.
-
\p{Po}: any kind of punctuation character that is not a dash, bracket, quote or connector.
-
\p{C}: invisible control characters and unused code points.
-
\p{Cc}: an ASCII or Latin-1 control character: 0x00–0x1F and 0x7F–0x9F.
-
\p{Cf}: invisible formatting indicator.
-
\p{Co}: any code point reserved for private use.
-
\p{Cs}: one half of a surrogate pair in UTF-16 encoding.
-
\p{Cn}: any code point to which no character has been assigned.
Full Documentation:
https://www.regular-expressions.info/unicode.html#category
機器翻譯自 English
