java正则表达式过滤掉非英文文本

Question

我发现了一些对正则表达式过滤掉非英语的引用，但它们都不是在 Java 中的，除了它们都指的是与我试图解决的问题有些不同的问题：

1. 用空格替换所有非英文字符。
2. 创建一个方法，该方法true 在字符串包含任何非英语字符时返回。

“英文文本”不仅指实际的字母和数字，还指标点符号。

到目前为止，我能够为目标 #1 带来的东西非常简单：

String.replaceAll("\\W", " ")

事实上，如此简单以至于我怀疑我遗漏了什么......你在上面发现任何警告吗？

至于目标＃2，我可以简单trim()的字符串后上面replaceAll()，然后检查它是否是空的。但是......有没有更有效的方法来做到这一点？

Answer 1

事实上，如此简单以至于我怀疑我遗漏了什么......你在上面发现任何警告吗？

\W等价于[^\w]，\w等价于[a-zA-Z_0-9]。Using\W将替换所有不是字母、数字或下划线的东西——比如制表符和换行符。这是否是一个问题真的取决于你。

“英文文本”不仅指实际的字母和数字，还指标点符号。

在这种情况下，您可能希望使用省略标点符号的字符类；就像是

[^\w.,;:'"]

如果字符串包含任何非英语字符，则创建一个返回 true 的方法。

使用Pattern和Matcher。

Pattern p = Pattern.compile("\\W");

boolean containsSpecialChars(String string)
{
    Matcher m = p.matcher(string);
    return m.find();
}