Java 删除字符串上的标点符号（也包括“”和所有这些）维护重音字符

Posted 2023-02-26

【中文标题】Java 删除字符串上的标点符号（也包括“”和所有这些）维护重音字符

【英文标题】：Java remove punctuation on a String (also ’ “ ” and all of these) maintaining accents characters

【发布时间】：2018-05-02 04:23:47

【问题描述】：

我需要删除文件上的标点符号，保留重音字符 我尝试了这段代码，但没有按照我的方式工作。

Expectation: input=> ’'qwe..,rty ‘èeéò’“ ”o" "à     output=> qwertyèeéòoà

Effective result: input=> ’'qwe..,rty ‘èeéò’“ ”o" "à   output=>’qwerty ‘èeéò’“ ”o" "à

我无法删除 ’“” 符号和其他符号

注意：Eclipse 和 filetext.txt 设置为 UTF-8。

谢谢

import java.io.*;
import java.util.Scanner;

public class DataCounterMain 
    public static void main (String[] args) throws FileNotFoundException 

    File file = new File("filetext.txt");

    try 
        Scanner filescanner = new Scanner(file);
        while (filescanner.hasNextLine()) 

            String line = filescanner.nextLine();
            line=line.replaceAll ("\\pPunct", "");

            System.out.println(line);
        
    
    catch(FileNotFoundException e) 
        System.err.println(file +" FileNotFound");
    
    

【问题讨论】：

您似乎想删除所有 Unicode 标点和符号。使用line=line.replaceAll("(?U)[\\pS\\pP]+", "");

【参考方案1】：

默认情况下，正则表达式 \pPunct 仅匹配 US-ASCII 标点符号，除非您启用 Unicode 字符类。这意味着您编写的代码只会删除这些字符：

!"#$%&'()*+,-./:;<=>?@[\]^_`|~

如果您想匹配 Unicode 协会归类为标点的所有内容，请尝试使用 \pIsPunctuation，它始终检查 Unicode 字符属性并匹配您示例中的所有标点（以及更多！）。

要替换空格和标点符号，就像在您的示例中一样，您可以使用：

             
        line = line.replaceAll("\\pIsPunctuation|\\pIsWhite_Space", "");
             

【讨论】：

漫步！为了更清楚，您能否将修改后的 DataCounterMain 类放在您的答案中。

@VinayPrajapati 我添加了一个示例。