标点符号的正则表达式

Question

所以我对正则表达式完全陌生，我正在尝试使用Java 的java.util.regex 在输入字符串中查找标点符号。我不知道我可能会提前得到什么样的标点符号，除了 (1) !, ?, ., ... 都是有效的标点符号，并且 (2) "" 意味着一些特殊的东西，并且不要算作标点符号。 程序本身会伪随机地构建短语，我想在它通过随机过程之前去掉句尾的标点符号。

我可以用任何标点符号匹配整个单词，但匹配器只给我那个单词的索引。换句话说：

Pattern p = Pattern.compile("(.*\\!)*?");
Matcher m = p.matcher([some input string]);

将抓取任何末尾带有"!" 的单词。例如：

String inputString = "It is a warm Summer day!";
Pattern p = Pattern.compile("(.*\\!)*?");
Matcher m = p.matcher(inputString);
String match = inputString.substring(m.start(), m.end());

结果 --> 字符串匹配 ~ "day!"

但我希望 Matcher 仅索引 "!"，所以我可以将其拆分。

我可能会提出案例，并为我可能得到的每种标点符号使用String.substring(...)，但我希望我在使用正则表达式时会出现一些错误。

Answer 1

我会尝试一个类似于

的字符类正则表达式

"[.!?\\-]"

在[]s 中添加您希望匹配的任何字符。小心转义任何可能对正则表达式解析器具有特殊含义的字符。

然后，您必须使用 Matcher.find() 遍历匹配项，直到它返回 false。

Answer 2

Java 确实以迂回的方式支持 POSIX 字符类。对于标点符号，[:punct:] 的 Java 等价物是 \p{Punct}。

详情请看以下link。

这是一个使用 cmets 表达式的具体工作示例

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegexFindPunctuation {

    public static void main(String[] args) {
        Pattern p = Pattern.compile("\\p{Punct}");

        Matcher m = p.matcher("One day! when I was walking. I found your pants? just kidding...");
        int count = 0;
        while (m.find()) {
            count++;
            System.out.println("\nMatch number: " + count);
            System.out.println("start() : " + m.start());
            System.out.println("end()   : " + m.end());
            System.out.println("group() : " + m.group());
        }
    }
}

Answer 3

我会试试的

\W

它匹配任何非单词字符。这包括空格和标点符号，但不包括下划线。相当于 [^A-Za-z0-9_]