java之正则表达式匹配汉字

转自：http://blog.csdn.net/csdn_yaobo/article/details/48377757
本来是要收藏的，但是不知怎么了，点了收藏没有反应，只好先转载一下，等能收藏的时候，会删除此文章

学习了正则表达式后，感觉正则表达式很强大，但是为了更好地理解正则表达式，找了一个很实际的问题来分享一下自己学习的心得。本题目是招聘时的一个题目，题目大致的意思是这样的：用户每次在网上消费东西，之后会给商家评论，但是这个评论中会有许多人评论一下小广告，为了能找出这些评论，我们假设这样一个场景：

       经常的一些小广告会有下面一下词语：”网店地址“，“销售”，“代购”；

       假如一个用户的评论是这样：这家酒店性价比高，提供海外代%……&购*&&6服……&**务”，网店地址：￥……**&*6“；

    要求：匹配出关键字，并打印出关键字和该条评论。

    就如上面这个题，我想已经表达的够清楚了，我们该怎么下手呢？我们经常的想法是一个一个扫描匹配，但是这样是不是太麻烦，而且有的评论中会有很多特殊字符，那我们怎么办呢？我的思路是这样，我们匹配的都是关键字，也就是汉字，那么可以将上述评论中所有的特殊符号（包括字母，空格，数字等）全部删除掉，只剩下汉字，然后我们去匹配关键字，这样就简单了，下来用一段程序说一下怎样去除特殊符号：



    String string1 = "我爱编w!@#程  www#

她不5454 dadad &*$()###(爱编dadada程w!”;

    String regEx="[`~!@#$%^&*()+=|{}:;\\[\\].<>/?~！@#￥%……&*（）——+|{}【】‘；：”“’。，、？a-zA-Z0-9 ]";
     Pattern c = Pattern.compile(regEx);
     Matcher mc=c.matcher(string1);
     String result =  mc.replaceAll("").trim();  
     System.out.println(result);

解释一下上面的程序：我给了这样一句话“我爱编w!@#程 www#

她不5454 dadad &*$()###(爱编dadada程w!”，然后从这句话中找出匹配“编程”关键字；然后并输出，上面regEx是正则表达式，目的是过滤掉所有特殊字符，可能我写的这个有漏掉的字符，可以根据自己的需要修改，这样我们就将这句话经过过滤变成了下面这样：

上面已经去除掉特殊符号了，下来是最关键的是怎样匹配关键字呢？又用一个简单的程序示例说一下：

    Pattern p = Pattern.compile("[编][程]");
     Matcher m = p.matcher(result);
     while(m.find()){
         System.out.println(m.group());

        }

上面那个“(“[编][程]”)”就是匹配关键字，不能写成“[编程]”，如果写成“[编程]”就会出现每个字和上面那句话匹配，而不是一个词语匹配，和我们想要的结果截然不同，这个可以参考正则表达式的概念。如果有匹配的，输出匹配的关键字。下面是输出的结果，这句话中出现了两次编程，我们都匹配出来了，而且都输出来了。

这样我们就解决了这样一个很简单的例子，而且非常方便。下面我们回到上面最初的那个题目，其思路大致相同，我用Java实现了上面那个题目，下面附上代码，供参考：

/*
* Author:huaxiaziyun
* Create data :2015.9.11
* Description:过滤评论中小广告
*/

public class test {
public static void main(String args[]){

String Comment_Txt=readFile(“E:/text.txt”);//读取用户评论
String Phrase_Txt=readFile(“E:/phrase.txt”);//读取用户评论
String Rst=”“;
String[] s = Phrase_Txt.split(“，”);
for(int i=0;i