从Java中的字符串中删除所有非“单词字符”，留下重音字符？

string regex java

2022-08-31 14:29:11

显然，当我使用正则表达式时，Java的正则表达式风格将元音变音和其他特殊字符视为非“单词字符”。

        "TESTÜTEST".replaceAll( "\\W", "" )

为我返回“TESTTEST”。我想要的是只删除所有真正的非“单词字符”。任何方法都可以做到这一点，而无需沿着以下路线

         "[^A-Za-z0-9äöüÄÖÜßéèáàúùóò]"

才意识到我忘了ô？

答案 1

使用 - 这匹配所有既不是字母也不是（十进制）数字的（Unicode）字符。[^\p{L}\p{Nd}]+

在爪哇：

String resultString = subjectString.replaceAll("[^\\p{L}\\p{Nd}]+", "");

编辑：

我改了，因为前者也匹配一些数字符号，如;后者则不然。在 regex101.com 上看到它。\p{N}\p{Nd}¼

答案 2

当我碰到这个线程时，我试图实现完全相反的目标。我知道它已经很老了，但这是我的解决方案。您可以使用块，请参阅此处。在这种情况下，编译以下代码（使用正确的导入）：

> String s = "äêìóblah"; 
> Pattern p = Pattern.compile("[\\p{InLatin-1Supplement}]+"); // this regex uses a block
> Matcher m = p.matcher(s);
> System.out.println(m.find());
> System.out.println(s.replaceAll(p.pattern(), "#"));

您应看到以下输出：

真

#blah

最好