Question

从字符串中过滤掉所有UTF-8标点字符和符号（例如✀✁✃✄✅✆✆✇等）的最佳和最有效的方法是什么。简单地过滤掉所有不在a-z，A-Z和0-9中的字符都不是一个选项，因为我想保留其他语言的字母（ą，ę，ó等）提前谢谢。

Answer 1

String fixed = value.replaceAll("[^\\p{IsAlphabetic}\\p{IsDigit}]", "");

Answer 2

您可以使用\p{L}来匹配所有unicode字母。例如：

public static void main(String[] args) throws IOException {
    String[] test = {"asdEWR1", "ąęóöòæûùÜ", "sd,", "✀","✁","✂","✃","✄","✅","✆","✇","✈"};
    for (String s : test)
        System.out.println(s + " => " + s.replaceAll("[^\\p{L}^\\d]", ""));
}

输出：

asdEWR1 => asdEWR1
ąęóöòæûùÜ => ąęóöòæûùÜ
sd, => sd
✀ => 
✁ => 
✂ => 
✃ => 
✄ => 
✅ => 
✆ => 
✇ => 
✈ =>

Answer 3

我们的想法是首先删除重音符号。

public static String onlyASCII(String s) {
    // Decompose any ŝ into s and combining-^.
    String s2 = Normalizer.normalize(s, Normalizer.Form.NFD);
    // Removee all non-ASCII
    return s2.replaceAll("[^\\u0000-\\u007E\\pL]", "");
}

希腊语和\\pL字母。

Answer 4

术语＆＃34;标点符号＆＃34;相当含糊。 Character类提供了getType()方法，该方法至少映射到Unicode规范中定义的character categories中的一些，因此这可能是最佳起点。

我建议同时申请＆＃34;肯定＆＃34;逻辑（例如，所有字符和数字）而不是＆＃34;否定＆＃34;逻辑（没有标点符号），因为测试可能要简单得多。

从String中过滤出UTF-8标点和符号

4 个答案: