删除/清除/过滤标点(所有中英文标点)的正则表达式——Desktop Search开发笔记【经验积累】

前端之家收集整理的这篇文章主要介绍了删除/清除/过滤标点(所有中英文标点)的正则表达式——Desktop Search开发笔记【经验积累】前端之家小编觉得挺不错的,现在分享给大家,也给大家做个参考。
在进行文本分析的时候我们经常需要过滤掉停用词,标点等,本文给大家介绍一下如何识别并删除文本中的所有标点符号。下面是三个可行的正则表达式方案,童鞋们来试试吧^_^
(1) s.replaceAll( "\\p{Punct}","" );      
(2) s.replaceAll("\\pP","");      
(3) s.replaceAll("\\p{P}",""); 


(1)不能完全清楚所有标点,(2)和(3)等价都能完全清楚标点(中文和英文都能清除)
需要注意的是,还是存在一些系统不认为是标点的半角和全角符号无法清除,如下所示:
+~$`^=|<>~`$^+=|<>¥×

修改后:
(2) s.replaceAll( "[\\pP+~$`^=|<>~`$^+=|<>¥×]","");      
(3) s.replaceAll( "[\\p{P}+~$`^=|<>~`$^+=|<>¥×]",""); 



上面的三个方案中给出的都是采用Unicode标点属性方式的正则表达式,可以去掉所有的标点符号包括全角、半角、横排、竖排等的标点符号

注意一下, JDK5或以下的环境中不支持全角单引号对、双引号替换。在JDK6中由于加入了Pi和Pf两个Unicode子属性,因此就能替换掉。
在JDK6以下的版本中可以这样:
 s = s.replaceAll("[\\pP‘’“”]","");
原文链接:https://www.f2er.com/regex/362545.html

猜你在找的正则表达式相关文章