使用正则表达式“清理”字符串

Question

我需要一个只包含单词的明文，不包括所有数字，额外空格，短划线，逗号，圆点，括号等。它用于单词生成算法（取自gamasutra）。我想正则表达式可以在这里提供帮助。如何在String.split的帮助下完成这项工作？

UPD：

  

输入：我有1337这样一个字符串，里面有不同的东西：逗号，很多空格，数字 - 2 3 4，破折号。我怎样才能删除所有内容？

     

输出：我有这样一个字符串，里面有不同的东西逗号很多空格数字破折号如何删除所有东西

Answer 1

您可以分两步完成：

String s = "asd asd   asd.asd, asd";
String clean = s.replaceAll("[\\d[^\\w\\s]]+", " ").replaceAll("(\\s{2,})", " ");
System.out.println(clean);

第一步删除所有不是字母或空格的字符，并用空格替换它们。第二步只删除多个空格。

输出：

  

asd asd asd asd

---

如果您只需要一个包含单词的数组，那么这就足够了：

String[] words = s.trim().split("[\\W\\d]+");

Answer 2

如果您关心Unicode（您应该），请使用Unicode properties。

String[] result = s.split("\\P{L}+");

\p{L}是任何语言的字母的Unicode属性。

\P{L}是\p{L}的否定，意味着它将匹配所有非字母的内容。 （我明白这就是你想要的。）

Answer 3

我会这样做

    str = str.replaceAll("\\s+", " ");
    str = str.replaceAll("\\p{Punct}|\\d", "");
    String[] words = str.split(" ");