Question

我发现一些正则表达式的引用过滤掉了非英语，但none中的different是Java语言，除了它们都指的是{{3}}问题，而不是我想要的问题。解决：

替换所有非英文字符有空间。
创建一个返回true的方法如果一个字符串包含任何非英语字符。

“英文文本”不仅指实际的字母和数字，还指标点符号。

到目前为止，我能够为目标＃1带来的非常简单：

String.replaceAll("\\W", " ")

事实上，这么简单，我怀疑我错过了什么......你是否发现了上述任何警告？

至于目标＃2，我可以在上面的trim()之后简单地replaceAll()字符串，然后检查它是否为空。但是......有更有效的方法吗？

Answer 1

事实上，这么简单，我怀疑我错过了什么......你是否发现了上述任何警告？

\W相当于[^\w]，而\w相当于[a-zA-Z_0-9]。使用\W将替换所有内容，这不是字母，数字或下划线 - 如标签和换行符。这个问题是否真的取决于你。

“英文文本”不仅指实际的字母和数字，还指标点符号。

在这种情况下，您可能希望使用省略标点符号的字符类;

之类的东西

[^\w.,;:'"]

创建一个方法，如果字符串包含任何非英语字符，则返回true。

使用Pattern和Matcher。

Pattern p = Pattern.compile("\\W");

boolean containsSpecialChars(String string)
{
    Matcher m = p.matcher(string);
    return m.find();
}

Answer 2

这对我有用

  private static boolean isEnglish(String text) {
        CharsetEncoder asciiEncoder = Charset.forName("US-ASCII").newEncoder();
        CharsetEncoder isoEncoder = Charset.forName("ISO-8859-1").newEncoder();
        return  asciiEncoder.canEncode(text) || isoEncoder.canEncode(text);
    }

Answer 3

这是我的解决方案。我假设文本可能包含英文单词，标点符号和标准的ascii符号，如＃，％，@等。

＆＃13;

private static final String IS_ENGLISH_REGEX = "^[ \\w \\d \\s \\. \\& \\+ \\- \\, \\! \\@ \\# \\$ \\% \\^ \\* \\( \\) \\; \\\\ \\/ \\| \\< \\> \\\" \\' \\? \\= \\: \\[ \\] ]*$";

private static boolean isEnglish(String text) {
		if (text == null) {
			return false;
		}
		return text.matches(IS_ENGLISH_REGEX);
	}

＆＃13;

Answer 4

假设英文单词由以下字符组成：[a-zA-Z_0-9]

如果字符串包含任何非英语字符，则返回true，使用string.matches：

return !string.matches("^\\w+$");

java正则表达式过滤掉非英文文本

4 个答案: