Java中\p{So}正则无法过滤Unicode字符BLACK CIRCLE FOR RECORD的问题

嘿，我来帮你搞定这个困惑！你遇到的问题核心在于：BLACK CIRCLE FOR RECORD（U+23FA）的Unicode类别并不是你以为的Symbol, Other [So]，而是Symbol, Math [Sm]——这就是为什么\p{So}匹配不到它的原因。

为什么会这样？ #

我特意查了Unicode官方的字符属性数据，U+23FA确实归类为Sm（数学符号），而非So（其他符号）。很多看起来像“其他符号”的字符，其实因为设计用途或历史原因被划分到了数学符号类别里，这个录音圈就是其中之一。

解决方案 #

根据你的需求，有几种可行的处理方式：

1. 直接匹配特定字符（最精准）

如果你只需要移除⏺这一个字符，直接写字符本身或者它的Unicode转义形式最稳妥：

String registered = "President⏺";
// 方式A：直接写字符
System.out.println(registered.replaceAll("⏺", ""));
// 方式B：Unicode转义（避免编码问题）
System.out.println(registered.replaceAll("\\u23FA", ""));

两种方式都会输出：President

2. 匹配所有数学符号类别

如果你需要移除所有数学符号类的字符（不止⏺），可以用\p{Sm}正则表达式：

String registered = "President⏺";
System.out.println(registered.replaceAll("\\p{Sm}", ""));

执行后同样会去掉⏺，输出目标字符串。

3. 组合So和Sm类别

如果你的场景需要同时移除“其他符号”和“数学符号”，可以把两个类别组合起来：

String registered = "President⏺";
System.out.println(registered.replaceAll("[\\p{So}\\p{Sm}]", ""));

小技巧：快速确认字符的Unicode类别 #

以后遇到类似不确定的情况，可以用Java的Character.getType()方法直接查询字符的类别常量：

char circle = '⏺';
// 输出7，对应Character.MATH_SYMBOL（常量值7），而OTHER_SYMBOL是8
System.out.println(Character.getType(circle));

这样就能准确知道该用哪个正则类别啦。

内容的提问来源于stack exchange，提问作者ssky