如何删除特殊字符而不删除另一个语言中的文本？

Question

我使用下面的代码从字符串中删除笑脸和特殊字符

تحریک 

انصاف نے زینب کے قتل کے خلاف مذمتی قرارداد سندھ اسمبلی میں جمع کرا دی

 کراچی:مذمتی قرارداد تحریک انصاف کے رکن…

这对英语很有用。

但是，如果我的文字是这样的urdu：

.descContainer

然后用whitspace替换urdu中的所有文本。

如何从字符串中删除特殊字符但确保它不会删除urdu文本？

Answer 1

所有非单词字符都可以与\W速记字符类匹配，为了使其能够识别Unicode，您只需要传递Pattern.UNICODE_CHARACTER_CLASS（或(?U)内嵌嵌入式标志选项）到正则表达式编译器：

s = s.replaceAll("(?U)\\W", " ");

请参阅Java online demo。

如果您还需要删除_ char（它被视为单词char），请将\W和_添加到字符类中：

s = s.replaceAll("(?U)[\\W_]", " ");

要用单个空格替换1个以上的特殊字符，请在模式后添加+个量词：

s = s.replaceAll("(?U)[\\W_]+", " ");