使用Java regexp匹配（例如）Unicode字母
StackOverflow上有许多问题和答案，假设“字母”可以在[a-zA-Z]的正则表达式中匹配。 然而，对于Unicode，还有更多的字符，大多数人会认为是一个字母（所有的希腊字母，Cyrllic ..还有更多.Unicode定义了许多块，每个块可能有“字母”。
Java定义为像alpha字符这样的东西定义了Posix类 ，但是它被指定为仅使用US-ASCII。 预定义的字符类定义由[a-zA-Z_0-9]组成的单词，它也排除了许多字母。
那么如何正确匹配Unicode字符串呢？ 有没有其他图书馆能够做到这一点？
在这里你有一个非常好的解释：
http://www.regular-expressions.info/unicode.html
一些提示：
“遗憾的是，Java和.NET不支持\X （尚未）。使用\P{M}\p{M}*作为替代。要匹配任意数量的字素，请使用(?:\P{M}\p{M}*)+而不是\X+ 。“
“在Java中，正则表达式令牌\uFFFF仅匹配指定的代码点，即使您打开规范等效。但是，相同的语法\uFFFF也用于将Unicode字符插入Java源代码中的文字字符串中\uFFFF Pattern.compile("\u00E0")将匹配à的单代码点和双代码点编码，而Pattern.compile("\\u00E0")仅匹配单代码点版本。记住写时作为Java字符串文字的正则表达式，反斜杠必须被转义。前Java代码编译正则表达式à ，而后者编译\u00E0 。根据你正在做的事情，差异可能很大。
你在谈论Unicode类别，比如字母吗？ 它们与\p{CAT}forms的正则表达式匹配，其中“CAT”是类似于L的字母代码，或者类似Lu的大写字母或Lt代表title-case。
引用java.util.regex.Pattern的JavaDoc。
Unicode支持
此类符合Unicode技术标准＃18的第1级： Unicode正则表达式指南 ，以及RL2.1规范等效项。
Java源代码中的Unicode转义序列（例如\ u2014）将按照Java语言规范的§3.3中的描述进行处理。 这种转义序列也可以由正则表达式解析器直接实现，这样Unicode转义就可以用在从文件或键盘读取的表达式中。 因此字符串“\ u2014”和“\\ u2014”虽然不相等，但编译成相同的模式，该模式匹配具有hex值0x2014的字符。
Unicode块和类别使用Perl中的\ p和\ P结构编写。 如果输入具有属性prop，则\ p {prop}匹配，而如果输入具有该属性，则\ P {prop}不匹配。 使用前缀In指定块，如InMongolian中所示。 可以使用可选前缀Is指定类别：\ p {L}和\ p {IsL}都表示Unicode字母的类别。 块和类别可以在字符类的内部和外部使用。
支持的类别是Character类指定的版本中的Unicode标准类别。 类别名称是标准中定义的类别，包括规范性和信息性。 Pattern支持的块名称是UnicodeBlock.forName接受和定义的有效块名称。