Question

我正在尝试制作一个可以删除所有标点符号和空格的正则表达式，但保留小数点和带连字符的单词。到目前为止，我有：

String doc = "THE SOCIAL IMPACT OF THE CHERNOBYL DISASTER BY DAVID R. MARPLES (ST. MARTIN'S PRESS: $35, CLOTH; $14.95, PAPER; 316 PP., ILLUSTRATED; 0-312-02432-0)";
String doc = doc.replaceAll("[^a-zA-Z_0-9-]+", " ").toLowerCase();

删除包括小数点在内的所有点。

如果点是由字符或数字包围的，我该如何区分？

预期产出：

 the social impact of the chernobyl disaster by david r marples st martin s press 35 cloth 14.95 paper 316 pp illustrated 0-312-02432-0

Answer 1

你可以试试这个：

[^a-zA-Z0-9_.-]|(?<!\d)\.(?!\d)|(?<!\w)-(?!\w)

更新

为连字符(?<!\w)-(?!\w)添加了条件

并替换为" "

说明：

[^a-zA-Z0-9_.-]在您的初始正则表达式中包含点，最初与之匹配。
(?<!\d)\.(?!\d)首先(?<!\d)表示如果点后面没有a 数字和第二个(?!\d)表示后面没有数字，然后匹配替换点

Regex Demo

Java Demo 样本来源：

final String regex = "[^a-zA-Z0-9_.-]|(?<!\\d)\\.(?!\\d)|(?<!\\w)-(?!\\w)";
final String string = "THE - . SOCIAL IMPACT OF THE CHERNOBYL DISASTER BY DAVID R. MARPLES "
        + "(ST. MARTIN'S PRESS: $35, CLOTH; $14.95, PAPER; 316 PP., ILLUSTRATED; 0-312-02432-0)\n\n\n";

String result=string.replaceAll(regex," ");
System.out.println(result);

Answer 2

删除所有标点符号和空格，但保留小数点和带连字符的单词

您可以使用可选捕获组来匹配十进制数，并使用反向引用将其重新替换。

Java代码：

String repl = str.replaceAll("(\\.\\d+|\\w+(?:-\\w+)+)?[\\s\\p{P}]+", "$1 "));

RegEx Demo

RegEx分手：

( - 开始捕获群组
- \\.\\d+ - 匹配DOT后跟数字
- | - 或
- \\w+(?:-\\w+)+ - 匹配带连字符的字词
)? - 结束可选捕获群组，因为群组后的?
[\\s\\p{P}]+ - 匹配1个或更多空格或标点字符

替换字符串为："$1 "表示可选组＃1的后向引用，后跟单个空格。

正则表达式删除所有标点符号但保留小数点和带连字符的单词

2 个答案: