正则中\p{Katakana}与\x{30A0}-\x{30FF}匹配存在差异的原因是什么？

你遇到的匹配差异本质是Unicode编码块（Block）和Unicode脚本属性（Script Property）的定义完全不同，二者没有等价关系：

• \x{30A0}-\x{30FF}是Unicode划定的「片假名编码块」，属于纯粹按连续编码区间划分的集合，只要字符编码落在这个段内就会被包含，不判断字符的实际用途和归属。
• \p{Katakana}是Unicode脚本属性，归类依据是字符的实际所属书写系统，和字符所在的编码位置没有强制绑定关系，因此会出现编码块内的字符不属于对应脚本属性的情况。

你提到的三个字符均被Unicode归类为Common（通用脚本），即不属于某一特定书写系统的专属字符，可在多类书写场景下通用：

• ー（U+30FC，长音符号）：除片假名词汇外，还可用于阿伊努语、琉球语等使用假名的书写场景，以及外来语转写等通用场景，不属于片假名专属字符。
• ゠（U+30A0，片假名平假名双连字符）：日文书写体系通用的连接标点，平假名、片假名、汉字混排场景均可使用，不属于片假名专属字符。
• ・（U+30FB，中黑点间隔号）：通用间隔标点，除分隔片假名词汇外，也可在汉字、平假名书写场景下用于分隔名词、标注停顿，不属于片假名专属字符。

这种差异是Unicode规则的通用设计，并非\p{Katakana}独有：

• 比如平假名编码块\x{3040}-\x{309F}内的浊点符号、半浊点符号、叠字略写符号等，同样被归类为通用脚本，不会被\p{Hiragana}匹配；
• 汉字、拉丁文、西里尔文等其他书写系统的编码块和对应脚本属性之间，也普遍存在这类差异，核心原因都是编码块按位置划分、脚本属性按使用归属划分的规则区别。

• 如果你的需求是匹配所有落在片假名编码区间内的字符，直接使用[\x{30A0}-\x{30FF}]即可，覆盖范围和编码块完全一致。
• 如果你的需求是匹配所有属于片假名书写系统的字符，使用\p{Katakana}的同时，需要手动把业务场景需要的通用配套符号（比如长音符号、间隔号）补充到匹配规则中，例如[\p{Katakana}ー・゠]。

内容的提问来源于stack exchange，提问作者user706420