Question

我使用Twitter4j从Twitter查询推文我从它中取出文本后，我试图从中过滤主题标签我现在把它变成字符串我有这个字符串：“892698363371638784：RT @hikids_ksa：اللعبةخطيرةمراويبيلهامخوتفكيرومهارة متوفرةفي＃متجر_هاي_كيدز_الالكتروني..“

我想删除متجر_هاي_كيدز_الالكتروني，因为它在使用java后有Hashtag

我的代码在此输入上无效的问题： “@kaskasomarهيدابلامخمتلمتلغيروبيخونالشعباللبنانيوبيتهموبالارهاببسلانرأيوبيختلفعنرأيالاخرين＃سخيف”

部分سخيف由于某种原因未被删除这是我的方法

static String removeHashtags(String in)
{
    in = in.replaceAll("#[A-Za-z]+","");//remove English hashtags
    in = in.replaceAll("[أ-ي]#+","");//remove Arabic hashtags that have # before it
    return in = in.replaceAll("#[أ-ي]+","");//remove Arabic hashtags that have # after it
}

Answer 1

如果您只是想删除任何语言的所有哈希标记，可以编写

in = in.replaceAll("#\\p{IsAlphabetic}+", "");

如果您特别想删除阿拉伯语哈希标记，可以编写

in = in.replaceAll("#\\p{IsArabic}+", "");

因此您不必担心使用从左到右和从右到左的部分构建正则表达式。这提高了代码的可读性。

Answer 2

问题在于，在第二行中，+应用于主题标签，而不是阿拉伯字符。修正版：

in = in.replaceAll("[أ-ي]+#","");

如何删除阿拉伯语标签？

2 个答案: