做了一个任务,将每个描述中除了中文,拼音和数字中的其他符号找出来。查找资料后发现利用正则表达式做这个问题
我写了一个方法和测试的例子如下:
package com.temaiba;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Sign {
public static String replaceSign (String text ){
for(int i=0;i<text.length();i++){
//利用正则表达式解决问题
Pattern pattern = Pattern.compile("[\\pP\\pS‘’“”]");
Matcher matcher = pattern.matcher(text);
if (matcher.find()) {
String sign=matcher.group(0);
//发现符号用空格代替
text=text.replace(sign, " ");
}
}
return text;
}
public static void main(String[] args){
String text="【亚运村】¥仅80元!享价值%108元中奥凯富酒(店自助餐&厅午#餐1位!寒冬时节,北京中奥凯富国际酒店自2013年11月1日至2014年1月31日在现有中西式自助餐基础上新推出“缤纷火锅季”,各式美味锅底以及丰盛菜品,定能令您在享用美食的同时感受来自冬日的温暖!另有晚餐可选!";
System.out.println(Sign.replaceSign(text));
}
}
输出结果为
亚运村 仅80元 享价值 108元中奥凯富酒 店自助餐 厅午 餐1位 寒冬时节 北京中奥凯富国际酒店自2013年11月1日至2014年1月31日在现有中西式自助餐基础上新推出 缤纷火锅季 各式美味锅底以及丰盛菜品 定能令您在享用美食的同时感受来自冬日的温暖 另有晚餐可选
参考的文件是在网上找到的如下
str = str.replaceAll("[\\pP‘’“”]", "");
Unicode 编码并不只是为某个字符简单定义了一个编码,而且还将其进行了归类。
\pP 其中的小写 p 是 property 的意思,表示 Unicode 属性,用于 Unicode 正表达式的前缀。
大写 P 表示 Unicode 字符集七个字符属性之一:标点字符。
其他六个是
L:字母;
M:标记符号(一般不会单独出现);
Z:分隔符(比如空格、换行等);
S:符号(比如数学符号、货币符号等);
N:数字(比如阿拉伯数字、罗马数字等);
C:其他字符
上面这七个是属性,七个属性下还有若干个子属性,用于更进一步地进行细分。
Java 中用于 Unicode 的正则表达式数据都是由 Unicode 组织提供的。
Unicode 正则表达式标准(可以找到所有的子属性)
http://www.unicode.org/reports/tr18/
各 Unicode 字符属性的定义,可以用一看看某个字符具有什么属性。
http://www.unicode.org/Public/UNIDATA/UnicodeData.txt
这个文本文档一行是一个字符,第一列是 Unicode 编码,第二列是字符名,第三列是 Unicode 属性,
以及其他一些字符信息。
例子:
原句子:这只是个测试句子?!@#1…2…3…4…5¥6#7@8!,。、,./9!0
去除句子中所有标点后输出:这只是个测试句子12345¥67890
用途:一般统计段落字符数的时候比较好用,去除所有标点符号,取字节数或者字符数
public static void main(String[] args) {
String str = "这只是个测试句子?!@#1…2…3…4…5¥6#7@8!,。、,./9!0";
str = str.replaceAll("[\\pP‘’“”]", "");
System.out.println(str);
}