显然，当我使用Java的正则表达式时，其匹配规则将Umlauts和其他特殊字符视为非“单词字符”。
"TESTÜTEST".replaceAll( "\\W", "" )
对我来说，返回的是"TESTTEST"。我想要的是只删除所有真正的非“单词字符”。有没有办法在不使用以下内容的情况下实现这一点
TESTTEST" for me. What I want is for only all truly non-"word characters" to be removed. Any way to do this without having something along the lines of "[^A-Za-z0-9äöüÄÖÜßéèáàúùóò]"
只是意识到我忘记了ô？
使用[^\p{L}\p{Nd}]+ - 这将匹配所有既不是字母也不是（十进制）数字的（Unicode）字符。
在Java中：
String resultString = subjectString.replaceAll("[^\\p{L}\\p{Nd}]+", "");
编辑：
我将\p{N}更改为\p{Nd}，因为前者还会匹配一些数字符号，例如¼；而后者不会。请在regex101.com上查看。
\\[？ - Bart Kiers当我偶然看到这个帖子时，我正试图实现完全相反的目标。 我知道它已经很老了，但是这是我的解决方案。 您可以使用块，请参见此处。 在这种情况下，请编译以下代码（具有正确的导入）：
> String s = "äêìóblah";
> Pattern p = Pattern.compile("[\\p{InLatin-1Supplement}]+"); // this regex uses a block
> Matcher m = p.matcher(s);
> System.out.println(m.find());
> System.out.println(s.replaceAll(p.pattern(), "#"));
祝好，true
#blah
有时候您并不是想要简单地删除字符，而只是想要删除重音符号。我设计了以下的实用类，我会在我的Java REST Web项目中使用它，每当我需要在URL中包含一个字符串时：
import java.text.Normalizer;
import java.text.Normalizer.Form;
import org.apache.commons.lang.StringUtils;
/**
* Utility class for String manipulation.
*
* @author Stefan Haberl
*/
public abstract class TextUtils {
private static String[] searchList = { "Ä", "ä", "Ö", "ö", "Ü", "ü", "ß" };
private static String[] replaceList = { "Ae", "ae", "Oe", "oe", "Ue", "ue",
"sz" };
/**
* Normalizes a String by removing all accents to original 127 US-ASCII
* characters. This method handles German umlauts and "sharp-s" correctly
*
* @param s
* The String to normalize
* @return The normalized String
*/
public static String normalize(String s) {
if (s == null)
return null;
String n = null;
n = StringUtils.replaceEachRepeatedly(s, searchList, replaceList);
n = Normalizer.normalize(n, Form.NFD).replaceAll("[^\\p{ASCII}]", "");
return n;
}
/**
* Returns a clean representation of a String which might be used safely
* within an URL. Slugs are a more human friendly form of URL encoding a
* String.
* <p>
* The method first normalizes a String, then converts it to lowercase and
* removes ASCII characters, which might be problematic in URLs:
* <ul>
* <li>all whitespaces
* <li>dots ('.')
* <li>(semi-)colons (';' and ':')
* <li>equals ('=')
* <li>ampersands ('&')
* <li>slashes ('/')
* <li>angle brackets ('<' and '>')
* </ul>
*
* @param s
* The String to slugify
* @return The slugified String
* @see #normalize(String)
*/
public static String slugify(String s) {
if (s == null)
return null;
String n = normalize(s);
n = StringUtils.lowerCase(n);
n = n.replaceAll("[\\s.:;&=<>/]", "");
return n;
}
}
slugify 是一个公共实用方法，可在您的代码中其他部分使用。 - Stefan Haberl好了，这是我最终得出的一个解决方案，但我希望有更优雅的方式...
StringBuilder result = new StringBuilder();
for(int i=0; i<name.length(); i++) {
char tmpChar = name.charAt( i );
if (Character.isLetterOrDigit( tmpChar) || tmpChar == '_' ) {
result.append( tmpChar );
}
}
result 最终得到了期望的结果...
你可能需要首先删除重音符号和变音符号, 然后在每个字符位置检查“简化”字符串是否为ASCII字母 - 如果是，则原始位置应包含单词字符，否则可以删除。