用Java中的正则表达式模式替换除特定序列的令牌之外的所有内容

Question

我需要做一个方法，将检索词从文本没有任何东西（标点符号等），除了小写单词本身。

但是我用正则表达式模式挣扎了2个小时，遇到了这样一个问题。 课文中有“50年”这样的字眼。 使用我的正则表达式，输出将如下所示:

-年

而不是普通的

年份

但是我不能替换破折号“-”，因为还有另外一个连字符的单词应该留下。

下面是一个代码:

 public List<String> retrieveWordsFromFile() {
        List<String> wordsFromText = new ArrayList<>();

        scanner.useDelimiter("\\n+|\\s+|'");

        while (scanner.hasNext()) {
            wordsFromText.add(scanner.next()
                .toLowerCase()
                .replaceAll("^s$", "is")
                .replaceAll("[^\\p{Lower}\\-]", "")
            );
        }
        wordsFromText.removeIf(word -> word.equals(""));
        return wordsFromText;
    }

所以我怎么能说我需要用只以字母/S开头的破折号替换除文本和单词以外的所有东西。 那么这个正则表达式字符串可能应该是这样一个“合并”成一个序列的？

Answer 1

使用regex，\\b[\\p{low}]+\\b

演示:

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Main {
    public static void main(String[] args) {
        // Test strings
        String[] arr = { "Hello world", "Hello world 123", "HELLO world", "50-year" };

        // Define regex pattern
        Pattern pattern = Pattern.compile("\\b[\\p{Lower}]+\\b");

        for (String s : arr) {
            // The string to be matched
            Matcher matcher = pattern.matcher(s);

            while (matcher.find()) {
                // Matched string
                String matchedStr = matcher.group();

                // Display the matched string
                System.out.println(matchedStr);
            }
        }
    }
}

输出:

world
world
world
year

正则表达式说明:

1. \b种词界。
2. +指定一个或多个字符。