Java String 过滤掉不需要的字符答案

【问题标题】：Java String Filter out unwanted charactersJava String 过滤掉不需要的字符
【发布时间】：2017-10-27 00:51:22
【问题描述】：

我有这样的字符串：

−+-~*/@$^#¨%={}[häagen-dazs;:] a (le & co') jsou "výborné" <značky>?!.

我想结束这个：

häagen-dazs a le & co jsou výborné značky.

与How to filter string for unwanted characters using regex? 相比，我想在字符串中保留重音（变音符号）。

我使用以下 replaceAll：

str.replaceAll("[¨%=;\\:\\(\\)\\$\\[\\]\\{\\}\\<\\>\\+\\*\\−\\@\\#\\~\\?\\!\\^\\'\\\"\\|\\/]", "");

这是正确的方法吗？
有没有更简单的方法可以只保留字母数字字符（以及带重音符号）、空格和 & 。 - 符号？

【问题讨论】：

@Tushar 该正则表达式会删除变音字母。
试试replaceAll("(?U)[^\\p{L}\\p{N}\\s&.-]", "")
这是一个demo 使用 Wiktor 的评论。
使用CharMatcher.javaLetterOrDigit().or(CharMatcher.anyOf(" &-.")).retainFrom(yourInput) 你最终会得到-häagen-dazs a le & co jsou výborné značky.（CharMatcher 来自番石榴，NB：& 之前有一个空格）
@Michal：但是将每个字符与正则表达式匹配是过分的。如果该解决方案有效，您真的只需要s.replaceAll("[^a-zA-Z& _.ýčéèêàâùû-]", "")。大写的ýčéèêàâùû呢？我认为你不应该接受这个答案，我会发布我的。

标签： java regex string char special-characters

【解决方案1】：

您可以遍历所有输入的 String 字符并测试每个字符，如果它与您想要的正则表达式匹配，请保留它，使用此正则表达式 [a-zA-Z& \\-_\\.ýčéèêàâùû] 单独测试每个字符。

这是您需要的代码：

    String input = "−+-~*/@$^#¨%={}[häagen-dazs;:] a (le & co') jsou výborné <značky>?!";
    StringBuffer sb =  new StringBuffer();
    for(char c : input.toCharArray()){
       if((Character.toString(c).toLowerCase()).matches("[a-zA-Z& \\-_\\.ýčéèêàâùû]")){
           sb.append(c);
       }
    }
    System.out.println(sb.toString());

演示：

这里是a working Demo，它使用此代码并提供以下输出：

-hagen-dazs. a le & co jsou výborné značky

注意：

它使用input.toCharArray() 获取chars 的数组并循环遍历它。
它使用(Character.toString(c).toLowerCase()).matches("[a-zA-Z& \\-_\\.ýčéèêàâùû]") 来测试迭代的char 是否与允许的字符Regex 匹配。
它使用StringBuffer 构造一个新的String，只有允许的字符。

【讨论】：

这对我来说是最好的解决方案。对于想要支持完整的捷克语/斯洛伐克语/德语的其他任何人，请使用：(Character.toString(c).toLowerCase()).matches("[a-z& \\-_\\.äáàâčďéèêěíľňóööřšťùûúůüýž]")跨度>

【解决方案2】：

你需要使用

String res = input.replaceAll("(?U)[^\\p{L}\\p{N}\\s&.-]+", "");

请注意，正则表达式匹配除（因为[^...] 是否定字符类）之外的任何字符一次或多次（由于+ 量词）：

\p{L} - 任何 Unicode 字母
\p{N} - 任何 Unicode 数字
\s - 任何 Unicode 空白（\s 由于 (?U) 内联 Pattern.UNICODE_CHARACTER_CLASS 修饰符版本而可识别 Unicode）
& - 文字 &
. - 文字 .
- - 文字连字符（因为它位于字符类的末尾

Java demo:

import java.util.*;
import java.lang.*;

class Rextester
{  
    public static void main(String args[])
    {
        String input = "−+-~*/@$^#¨%={}[häagen-dazs;:] a (le & co') jsou výborné <značky>?!";
        input = input.replaceAll("(?U)[^\\p{L}\\p{N}\\s&.-]+", "");
        System.out.println(input);
    }
}

输出：-häagen-dazs a le & co jsou výborné značky

【讨论】：

【解决方案3】：

试试这个

str.replaceAll("[\\\/\.\:\%\!\[\]\(\)\{\}\?\^\*\+\"\'#@$;¨=&<>-~−]", "");

你的正则表达式的sintax有问题，我建议你一步一步构建你的正则表达式，以便立即找出是否有错误。

尝试使用本站实时测试正则表达式，非常好

https://regex101.com/

【讨论】：