删除非字母数字但保留拉丁字符

Question

从输入字符串中我想摆脱非字母数字字符（:，-等），但保留拉丁字符。同时将空格" "替换为"-"。

这是我的尝试，但我不知道如何维护拉丁字符。

String title ="NEYÑO: HOW ARE YÓU MATE";
title = title.replaceAll("[^A-Za-z0-9 ]", "").replace(" ", "-").toLowerCase();
System.out.println(title);

输出：

neyo-how-are-yu-mate

期望的输出：

neyño-how-are-yóu-mate

提前致谢

Answer 1

使用[^\p{Alnum}\s]+和Pattern.UNICODE_CHARACTER_CLASS选项保留所有Unicode字母和数字：

String title ="NEYÑO: HOW ARE YÓU MATE";
title = title.replaceAll("(?U)[^\\p{Alnum}\\s]+", "").replace(" ", "-").toLowerCase();
System.out.println(title); // => neyño-how-are-yóu-mate

请参阅Java demo

<强>详情：

• (?U) - Pattern.UNICODE_CHARACTER_CLASS option
的嵌入式变体
• [^...] - negated character class匹配任何不属于的单个字符：
  • \p{Alnum} - 任何字母数字字符
  • \s - 任何空格字符
• + - quantifier匹配1次或多次。

Answer 2

您还可以使用\p{IsLatin} character property检测Java中的拉丁字符：

String title ="NEYÑO: HOW ARE YÓU MATE";
title = title.replaceAll("(?!\\p{IsLatin})[^A-Za-z0-9 ]", "").replace(" ", "-").toLowerCase();
System.out.println(title);

//=> neyño-how-are-yóu-mate

(?!\\p{IsLatin})[^A-Za-z0-9 ]将匹配任何非拉丁字符的非字母数字或空格字符。