Question

我尝试使用此RegEx (?![link]|[hashTag]|[lough])([A-Za-z0-9]+) 用[englishWord]替换文本中的每个英文单词，但保留这些标签[link]，[hashTag]和[lough]。使用以下行：

 x = x.replaceAll("(?![link]|[hashTag]|[lough])([A-Za-z0-9]+)", "[englishWord]");

输入示例：

 BBC  The Other [lough] The kough there are [link] [hashTag]

结果输出;

 [englishWord] Th[englishWord] [englishWord] [lough] Th[englishWord] kough [englishWord] a[englishWord] [link] [hashTag]

虽然我希望输出变为：

[englishWord] [englishWord] [englishWord] [lough] [englishWord] [englishWord] [englishWord] [englishWord] [link] [hashTag]

任何人都可以告诉我问题在哪里？

Answer 1

你的正则表达式等于(?![linkhasTgou])[A-Za-z0-9]+，它只匹配1 + ASCII字母数字符号，但不是从否定字符类中的那些符号开始

我建议使用匹配并将这3个“实体”捕获到组1中的正则表达式，并使用\p{Alnum}+替代方法来匹配任何字母数字字符序列。然后使用Matcher#appendReplacement()检查组1是否匹配，如果匹配，则将值重新插入结果中，否则，用硬编码字符串替换：

String s = "BBC  The Other [lough] The kough there are [link] [hashTag]";
String p = "(\\[(?:link|hashTag|lough)])|\\p{Alnum}+";
Matcher m = Pattern.compile(p).matcher(s);
StringBuffer sb = new StringBuffer();
while (m.find()) {
    if (m.group(1) != null)
        m.appendReplacement(sb, m.group(1));
    else
        m.appendReplacement(sb, "[englishWord]");
}
m.appendTail(sb); 
System.out.println(sb);

请参阅Java demo

请注意，如果您需要匹配文字[符号，则必须转义字符类外的[。

模式详情：

(\\[(?:link|hashTag|lough)]) - 捕获第1组匹配：
- \\[ - 文字[
- (?:link|hashTag|lough) - link或（|）hashTag或lough
- ] - 文字]
| - 或
\\p{Alnum}+ - 1个以上的字母数字字符。

Java RegEx删除英文单词但排除一些单词

1 个答案: