Question

我有一个像这样的字符串

5 /爱尔兰/移民/被霍乱杀害和杀害的尸体建造铁路/在1832年到http://www.bbc.com/news/

我尝试使用以下

删除斜杠

replaceAll("/","");

我得到的是

5名爱尔兰移民的尸体被霍乱杀害并被杀害在1832年建造铁路到http：www.bbc.comnews

我想保留URL斜线，但想要删除文本中的其他斜杠。任何建议都将非常感谢。

Answer 1

这是一个病态的例子。请记住，Regexs只是选择模式，因此最适合您的模式将取决于您的数据。

例如，在您提供的字符串中，正则表达式：[^:/m]/就足够了。但是，这也忽略了任何文本中“m”之后的任何斜杠。这不是很好，除非你知道所有的斜线都不会在“m”之后。

对于此示例，我建议将URL分开。如果您知道URL总是在最后，您可以拆分字符串，只对文本而不是URL运行替换。

这样的事可能适合你。

字符串s是我们的病态标题

String text = s.replace("http.*","");
String url = s.replace(".*http","http");
text = text.replace("/","");
text = text + " " + url;

这会将除了网址的所有内容保存到text，只保存到url的网址，然后清除text，并将网址追加到最后。

Answer 2

似乎您只想删除单词开头或结尾的斜杠。所以这样的斜线需要

之前有空格
在
放置在字符串的开头
放在字符串的末尾

此方法可能存在一个缺陷，即删除URL地址中的最后一个斜杠，如http://www.some.address/将成为http://www.some.address。

如果您正在寻找这个，可以尝试使用look-around机制

replaceAll("(?<=\\s|^)/|/(?=\\s|$)", "")

会改变

Bodies of 5 /Irish/ immigrants /'murdered and killed by cholera' 
while building a railroad/ in 1832 to http://www.bbc.com/news/

进入

Bodies of 5 Irish immigrants 'murdered and killed by cholera' 
while building a railroad in 1832 to http://www.bbc.com/news
                                                            ^as you see it also 
                                                             removed last slash 
                                                             in this url

删除网址问题中的最后/的方法是首先使正则表达式匹配URL并将其替换为自身。这样可以防止此URL中的斜线再次匹配（测试），以便在OR之前有空格或字符串开头，或者在其后面有空格或字符串结尾。
我的意思是正则表达式

(matchesURL)|matchesSlashesAtStartOfWord|matchesSlashesAtEndOfWord

由/匹配的此类正则表达式(matchesURL)的

将无法再次与matchesSlashesAtStartOfWord|matchesSlashesAtEndOfWord匹配。

所以你可以使用像

这样的东西

replaceAll("(https?://[^/]+(/[^/]+)*/?)|(?<=\\s|^)/|/(?=\\s|$)", "$1")

首先匹配网址，将它们放入第1组，并将其替换为第1组$1的内容。由于正则表达式(?<=\\s|^)/|/(?=\\s|$)的其他情况无法在第1组中放置任何内容，因此对于{1}}，$1将为空，因此您将无效替换此类/（您将删除它们）。

样本

String data = "Bodies of 5 /Irish/ immigrants /'murdered and killed by cholera' \r\nwhile building a railroad/ in 1832 to http://www.bbc.com/news/";
System.out.println(data);
System.out.println();
System.out.println(data.replaceAll("(https?://[^/]+(/[^/]+)*/?)|(?<=\\s|^)/|/(?=\\s|$)", "$1"));

输出

Bodies of 5 /Irish/ immigrants /'murdered and killed by cholera' 
while building a railroad/ in 1832 to http://www.bbc.com/news/

Bodies of 5 Irish immigrants 'murdered and killed by cholera' 
while building a railroad in 1832 to http://www.bbc.com/news/

保护URL斜杠并删除文本中的其他斜杠

2 个答案: