Java 从假名脚本中排除Unicode日语延长音标？

我正试图通过删除特殊字符来生成slug来清除字符串。也就是说，我想保留CJK字符，否则这些语言将一无所获

因此，我有一个正则表达式，它应该通过列出脚本来保留CJK字符：

"[^-_.\\w-\\p{script=Han}\\p{script=Hira}\\p{script=Kana}\\p{script=Hang}]"

问题是，片假名延长了音标“ー" 似乎被排除在外

下面是显示问题的代码：

它不在我列出的脚本中吗

编辑：好的，如果你愿意，在这里编码，但是它没有提供比正则表达式本身更多的信息。它非常有用，所以人们可以尝试

package com.example;

class Hello {
    public static void main(String[] args) {
        String input = "%;アレルギー[]abcd";
        String output= input.replaceAll("[^-_.\\w-\\p{script=Han}\\p{script=Hira}\\p{script=Kana}\\p{script=Hang}]", "");
        System.out.println(output);
    }
}

---

为了避免匹配该字符，应该将其添加到否定类中

"[^-_ー.\\w-\\p{script=Han}\\p{script=Hira}\\p{script=Kana}\\p{script=Hang}]"

---

不，事实上，它不在列出的脚本中。将此字符放置在

公用
脚本中

在Unicode中应该区分“脚本”和“块”。该字符属于片假名块，以及其他一些非字母的字符，如“片假名迭代标记”（
\u30fd
），但它不属于片假名脚本。片假名脚本中只有实际的音节

您可以做的一件事是将
脚本
指示替换为
块
，用于
片假名
：

output = input.replaceAll("[^-_.\\w-\\p{script=Han}\\p{script=Hira}\\p{block=Katakana}\\p{script=Hang}]", "");

这种情况下的输出将包括延长的声音标记

或者你可以这样做：

Matcher m = Pattern.compile("[^-_.\\w]",Pattern.UNICODE_CHARACTER_CLASS).matcher(input);
output = m.replaceAll("");

此模式将匹配所有语言中的所有单词字符，包括但不限于日语

对于输入字符串
“%；アレルギー[]{}=abceⸯD漢字这将产生

アレルギーabceⸯd漢字ру́сский
アレルギーabceⸯD漢字ру́сский
鉴于我的第一个建议，即带有块的建议，输出将是：

アレルギーabced漢字
アレルギー放弃漢字
因此，如果您只想限制为日语（和韩语），我的第一个建议可能更适合您，而如果您想要所有国际单词字符，第二个会更好。
它在\p{Lm}类别，请参阅。将字符添加到否定字符类是否解决了问题？确切的问题是什么？Stribizev是的，解决了它。谢谢！请注意，有许多非日语字符与
\p{Lm}
类别匹配。@erwan.作为答案发布。或
\\p{InKatakana}
-谢谢你对我以前的回答所作的评论。谢谢，这实际上是最好的回答。我用日语回答这个问题，因为我懂日语，但我们有许多其他非拉丁语的用户，他们会很乐意保留这些单词。