使用正则表达式“清理”字符串

Question

我需要一个只有文字的明文，不包括所有数字、额外空格、破折号、逗号、点、括号等。它用于文字生成算法（取自gamasutra）。我想正则表达式在这里会有所帮助。我如何在String.split的帮助下做到这一点？

UPD：

输入：我有1337这样一个字符串，其中包含不同的内容：逗号、许多空格、数字-2 3 4、破折号。如何删除所有内容？

输出：我有这样一个字符串，里面有不同的东西，逗号，很多空格，数字，破折号，我怎么能删除所有的东西

Answer 1

我也会这么做

    str = str.replaceAll("\\s+", " ");
    str = str.replaceAll("\\p{Punct}|\\d", "");
    String[] words = str.split(" ");

Answer 2

如果您关心Unicode（您应该），那么请使用Unicode属性。

String[] result = s.split("\\P{L}+");

是任何语言中字母的Unicode属性。

\P{L}是\p{L}的否定，表示它将匹配所有不是字母的内容。（我明白这就是你想要的。）

Answer 3

您可以通过两个步骤完成：

String s = "asd asd   asd.asd, asd";
String clean = s.replaceAll("[\\d[^\\w\\s]]+", " ").replaceAll("(\\s{2,})", " ");
System.out.println(clean);

第一步删除所有不是字母或空格的字符，并用空格替换它们。第二步仅用一个空格删除多个空格。

输出：

asd asd asd asd asd asd

如果您只需要一个包含单词的数组，那么这就足够了：

String[] words = s.trim().split("[\\W\\d]+");