Question

每个段落都以这样的随机字符串结尾Q: U A" j$ w& p 我想删除它们，我的想法是扫描任何与字符匹配的匹配以一个句号开始并以超过3个空格结束。

这就是我所拥有的，但我如何检测前面的句号和三个空格？

示例数据（但请查看GIT text）：

这么长这应该留下时间的面试，不知道会怎么样：Q：U A＆＃34; j $ w＆amp; p这么长时间，这应该是stady的面试，不知道会怎么样

我的代码

 data.match(/[a-zA-Z~!@#$%^&*()_+{}|\;':",./<>? ]/g).join('')

此输出

"this should stay  : Q: U  A" j$ w& p                   again this should stady"

Answer 1

我会尝试在正则表达式中添加特殊字符：

var data = 'yourstring';
data.replace(/[^\w\sñáóí\&\$\"]/gi, '');

Answer 2

那些看似错误的角色来自U + 3002 Unicode字符＆＃34; IDEOGRAPHIC FULL STOP。＆＃34;你没有说出什么是UTF，但它看起来像网络上的内容所以我猜你最有可能下载为UTF-8。

我不知道你正在使用什么样的正则表达式引擎，如果你支持Unicode，那么我就提供了一个非常通用的＆＃34; perl＆＃34;命令行解决方案。这个正则表达式不需要16位或32位库;它将在UTF-8文件上以常规字节模式工作：

perl -pe 's/(?=\xE3\x80\x82)(.*\xE3\x80\x82).*/\1/' your_file

第一部分只检查我们是否有U + 3002表意文字完全停止，UTF-8是一个三字节代码点，十六进制值为E3 80 82.如果断言为真（即我们有一个U + 3002），它捕获最多包括U + 3002字符的句号。如果您不想包含句号，只需将右括号从\ x82后移到第一个星号后，即：

s/(?=\xE3\x80\x82)(.*)\xE3\x80\x82.*/\1/

同样，没有提供有关正则表达式引擎/风格或编程语言等的任何细节，这可能需要将匹配件拔出，转义，并替换字符串以便单独调用等，但是我我想我已经给了你足够的指导，希望你能在我的回答中找到价值。