如何使用带有撇号的 Java 单词边界？

Question

我正在尝试删除列表中所有出现的单词，但是当单词中有撇号时我遇到了麻烦。

String phrase="bob has a bike and bob's bike is red";
String word="bob";
phrase=phrase.replaceAll("\\b"+word+"\\b","");
System.out.println(phrase);

输出：
has a bike and 's bike is red

我想要的是
has a bike and bob's bike is red

我对正则表达式的了解有限，所以我猜有一个解决方案，但我现在还不足以创建正则表达式来处理撇号。此外，我希望它与破折号一起使用，因此短语 the new mail is e-mail 只会替换第一次出现的邮件。

Answer 1

这完全取决于您对“单词”的理解。或许你最好把你所理解的定义为单词分隔符：例如，空格、逗号....并写成

phrase=phrase.replaceAll("([ \\s,.;])" + Pattern.quote(word)+ "([ \\s,.;])","$1$2");

但是您必须另外检查字符串的开头和结尾是否出现 例如：

  String phrase="bob has a bike bob, bob and boba bob's bike is red and \"bob\" stuff.";
  String word="bob";
  phrase=phrase.replaceAll("([\\s,.;])" + Pattern.quote(word) + "([\\s,.;])","$1$2");
  System.out.println(phrase);

打印这个

bob has a bike ,  and boba bob's bike is red and "bob" stuff.

更新：如果你坚持使用\b，考虑到“单词边界”理解Unicode，你也可以做这个肮脏的把戏：用一些你确定会的Unicode字母替换所有出现的'不会出现在您的文本中，然后进行反向替换。示例：

  String phrase="bob has a bike bob, bob and boba bob's bike is red and \"bob\" stuff.";
  String word="bob";
  phrase= phrase.replace("'","ñ").replace('"','ö');
  phrase=phrase.replaceAll("\\b" + Pattern.quote(word) + "\\b","");
  phrase= phrase.replace('ö','"').replace("ñ","'");
  System.out.println(phrase);

更新：总结下面的一些 cmets：人们会期望 \w 和 \b 对于“单词字符”具有相同的概念，就像几乎所有正则表达式方言一样。好吧，Java 没有：\w 考虑 ASCII，\b 考虑 Unicode。这是一个丑陋的不一致，我同意。

更新 2：由于 Java 7（如 cmets 中所指出的）UNICODE_CHARACTER_CLASS 标志允许指定一致的仅 Unicode 行为，请参阅例如 here。

Answer 2

\b\S*(bob|mail)\S*\b

小心误报，这可能会超出您的预期。如果您需要不超过 2 个字符的“前缀”或“后缀”（例如 "'s" 或 "e-"），请使用 \S{0,2} 而不是 \S*。

正则表达式说：

\b           # a word boundary
\S*          # any number of non-spaces
(            # match group 1 (to enable a choice) 
  bob|mail   #   "bob" or "mail"
)            # end match group 1
\S*          # any number of non-spaces
\b           # a word boundary

所以，在 Java 中：

phrase = phrase.replaceAll("\\b\\S*(bob|mail)\\S*\\b", "");

---

小心

之类的东西

phrase = phrase.replaceAll("\\b" + word + "\\b", "");

应该是这样的

phrase = phrase.replaceAll("\\b" + Pattern.quote(word) + "\\b", "");

因为每当word 包含正则表达式元字符时，除非您正确地使用escape the string beforehand using Pattern.quote()，否则您的正则表达式将会中断。