空格匹配正则表达式 - Java

Question

Java的正则表达式 API 表示 \s 可以匹配空格。因此，正则表达式 \\s\\s 应该匹配两个空格。

Pattern whitespace = Pattern.compile("\\s\\s");
matcher = whitespace.matcher(modLine);
while (matcher.find()) matcher.replaceAll(" ");

这是为了将所有连续的两个空格替换为一个空格。但实际上并不起作用。

我是否对正则表达式或“空格”一词有严重误解？

- user372743

---

String类有一个replaceAll函数，可以帮你节省几行代码。http://download.oracle.com/javase/1.5.0/docs/api/java/lang/String.html - Zach L

这不是你的误解，而是Java的问题。尝试拆分像“abc \xA0 def \x85 xyz”这样的字符串，你就会明白我的意思：那里只有三个字段。 - tchrist

你尝试过使用 "\s+" 吗？这样可以将两个或更多的空格替换为一个。 - hrzafer

我已经想了一个多小时，为什么我的 \s 分割没有在空格上分割。非常感谢！ - Marcin

Answer 1

在Java中，您不能单独使用\s来匹配其本机字符集上的空格，因为Java不支持Unicode空格属性，尽管这样做严格要求满足UTS＃18的RL1.2！。 Java所拥有的并不符合标准规范。

Unicode将26个代码点定义为\p{White_Space}：其中20个是各种类型的\pZGeneralCategory = Separator，其余6个是\p{Cc}GeneralCategory = Control。

空格是一种相当稳定的属性，这些相同的位置几乎已经存在了很长时间。即便如此，在Java中没有符合Unicode标准的该属性，所以您必须使用类似以下的代码：

String whitespace_chars =  ""       /* dummy empty string for homogeneity */
                        + "\\u0009" // CHARACTER TABULATION
                        + "\\u000A" // LINE FEED (LF)
                        + "\\u000B" // LINE TABULATION
                        + "\\u000C" // FORM FEED (FF)
                        + "\\u000D" // CARRIAGE RETURN (CR)
                        + "\\u0020" // SPACE
                        + "\\u0085" // NEXT LINE (NEL) 
                        + "\\u00A0" // NO-BREAK SPACE
                        + "\\u1680" // OGHAM SPACE MARK
                        + "\\u180E" // MONGOLIAN VOWEL SEPARATOR
                        + "\\u2000" // EN QUAD 
                        + "\\u2001" // EM QUAD 
                        + "\\u2002" // EN SPACE
                        + "\\u2003" // EM SPACE
                        + "\\u2004" // THREE-PER-EM SPACE
                        + "\\u2005" // FOUR-PER-EM SPACE
                        + "\\u2006" // SIX-PER-EM SPACE
                        + "\\u2007" // FIGURE SPACE
                        + "\\u2008" // PUNCTUATION SPACE
                        + "\\u2009" // THIN SPACE
                        + "\\u200A" // HAIR SPACE
                        + "\\u2028" // LINE SEPARATOR
                        + "\\u2029" // PARAGRAPH SEPARATOR
                        + "\\u202F" // NARROW NO-BREAK SPACE
                        + "\\u205F" // MEDIUM MATHEMATICAL SPACE
                        + "\\u3000" // IDEOGRAPHIC SPACE
                        ;        
/* A \s that actually works for Java’s native character set: Unicode */
String     whitespace_charclass = "["  + whitespace_chars + "]";    
/* A \S that actually works for  Java’s native character set: Unicode */
String not_whitespace_charclass = "[^" + whitespace_chars + "]";

现在你可以在replaceAll中使用whitespace_charclass + "+"作为模式。

---

很抱歉，Java的正则表达式在其本地字符集上表现不佳，因此您确实需要通过奇特的方法使它们起作用。

如果你觉得空格很烦人，你应该看看如何让\w和\b最终正常工作！

是的，这是可能的，但它真的很混乱。即使这样说也是太客气了。在Java中获得符合标准的正则表达式库的最简单方法是JNI到ICU的内容。这就是Google为Android所做的，因为OraSun的做法不够好。

如果您不想这样做，但仍然想坚持使用Java，我有一个前端正则表达式重写库，我编写了它来“修复”Java的模式，至少使它们符合UTS#18中RL1.2a的要求，即Unicode 正则表达式的要求。

- tchrist

---

这真的很古老。使用UNICODE_CHARACTER_CLASS标志（或使用(?U)）在Java7中是否已修复了这个问题？ - kritzikratzi

重写\s的更短方式是[\s\u0085\p{Z}]。 - Robert Tupelo-Schneck

@tchrist 如果这在Java 7+中已经修复，您能否更新答案并提供现在正确的方法？ - beerbajay

在Java 7及以上版本中，您可以使用"(?U)\s"来运行符合Unicode技术标准的正则表达式，或者在创建模式时将UNICODE_CHARACTER_CLASS标志设置为true。这是相关文档链接：https://docs.oracle.com/javase/7/docs/api/java/util/regex/Pattern.html#UNICODE_CHARACTER_CLASS - Didier A.

以上代码缺少 \u200B（零宽空格）。 - Jelle van Geuns

Answer 2

是的，你需要获取matcher.replaceAll()的结果：

String result = matcher.replaceAll(" ");
System.out.println(result);

- Raph Levien

---

我感觉自己像地球上最傻的人一样。我和另外两个人都没注意到那个错误。有时候最愚蠢的小错误也会让我们犯糊涂，是吧？ - user372743

太对了！我想这种情况发生在最好的人身上。 - saibharath

如果文本中有空格，我需要获取什么？ - Gilberto Ibarra

根据我下面的回答，如果您想匹配Unicode空格，请使用\p{Zs}而不是\s。 - Robert

Answer 3

对于Java（不是php，不是javascript，也不是其他任何语言）：

txt.replaceAll("\\p{javaSpaceChar}{2,}"," ")

- surfealokesea

---

字符串是不可变的，因此你必须将结果赋给某个变量，比如 'txt = txt.replaceAll()'。我没有对你的回答进行投票，但可能是其他人这样做的原因。 - Enwired

我知道replaceAll返回一个字符串，对于Java程序员来说重要的是\p{javaSpaceChar}。 - surfealokesea

原始问题犯了一个错误，没有将新字符串分配给变量。指出这个错误因此是答案中最重要的点。 - Enwired

这完全解决了我的Groovy问题！终于！我一直在尝试使用所有正则表达式，包括匹配所有空格（包括非断空格ASCII 160）的正则表达式！！！ - Piko

Answer 4

自这个问题被提出以来，Java已经发生了很大的变化。现在可以使用\p{Zs}组匹配各种Unicode空格字符。

因此，如果你想用一个普通的空格替换一个或多个异国情调的空格，你可以这样做：

String txt = "whatever my string is";
String newTxt = txt.replaceAll("\\p{Zs}+", " ");

除此之外，如果你使用了trim()字符串函数，你应该看一下相对较新的strip()、stripLeading()和stripTrailing()字符串函数。它们可以帮助你去除各种奇怪的空白字符。有关包含哪些空格的更多信息，请参见Java的Character.isWhitespace()函数。

- Robert

---

提醒一下，这个不匹配换行符，但是这个可以。 - Captain Man

@CaptainMan，你所提到的答案中遗漏了JavaDoc中的一个小注释：“指定此标志可能会带来性能损失。”为了避免这种性能损失，我建议使用\p{Zl}作为行分隔符，\p{Zp}作为段落分隔符。 - Robert

将以下代码：txt.replaceAll("(\\p{Zs}|\\p{Zl}|\\p{Zp})+", " "); 扩展为用单个空格字符替换所有分隔符。 - Robert

Answer 5

当我向Regexbuddy（正则表达式开发应用程序）论坛发送一个问题时，我得到了更精确的答复，以回答关于\s Java问题的疑问：

“消息作者：Jan Goyvaerts

在Java中，\s、\d和\w缩写只包括ASCII字符。…这不是Java的错误，而只是在使用正则表达式时需要注意的许多事情之一。为了匹配所有Unicode空格以及换行符，您可以在Java中使用[\s\p{Z}]。RegexBuddy还不支持特定于Java的属性，如\p{javaSpaceChar}（它与[\s\p{Z}]完全匹配相同的字符）。

…\s\s将匹配两个空格，如果输入仅限于ASCII。真正的问题在于OP的代码，就像在那个问题中被接受的答案指出的那样。”

- Tuomas

---

[\s\p{z}] 排除了 Unicode 中的 "next line" 字符 U+0085。请使用 [\s\u0085\p{Z}]。 - Robert Tupelo-Schneck

Answer 6

对我来说似乎有效:

String s = "  a   b      c";
System.out.println("\""  + s.replaceAll("\\s\\s", " ") + "\"");

将打印：

" a  b   c"

我认为您打算使用以下代码而不是您的代码：

我认为您打算使用以下代码而不是您的代码：

Pattern whitespace = Pattern.compile("\\s\\s");
Matcher matcher = whitespace.matcher(s);
String result = "";
if (matcher.find()) {
    result = matcher.replaceAll(" ");
}

System.out.println(result);

- Mihai Toader

Answer 7

您可以使用以下代码片段实现您的目的：

import org.apache.commons.lang3.StringUtils;

StringUtils.normalizeSpace(string);

这将规范间距为单个，并将删除开头和结尾的空格。

String sampleString = "Hello    world!";
sampleString.replaceAll("\\s{2}", " "); // replaces exactly two consecutive spaces
sampleString.replaceAll("\\s{2,}", " "); // replaces two or more consecutive white spaces

- Rashid Mv

Answer 8

要匹配任何空白字符，您可以使用：

。

Pattern whitespace = Pattern.compile("\\s", Pattern.UNICODE_CHARACTER_CLASS);

我会尽力帮助您翻译中文。以下是您需要翻译的内容：

Pattern.UNICODE_CHARACTER_CLASS选项“启用了预定义字符类和POSIX字符类的Unicode版本”，这些字符类“符合Unicode技术标准#18：Unicode正则表达式附录C：兼容属性”的规范。

相同的行为也可以通过(?U)嵌入式标志表达式来启用。例如，如果您想在Java中使用正则表达式替换/删除所有Unicode空格，则可以使用

String result = text.replaceAll("(?U)\\s+", ""); // removes all whitespaces
String result = text.replaceAll("(?U)\\s", "-"); // replaces each single whitespace with -
String result = text.replaceAll("(?U)\\s+", "-"); // replaces chunks of one or more consecutive whitespaces with a single -
String result = text.replaceAll("(?U)\\G\\s", "-"); // replaces each single whitespace at the start of string with -

查看Java在线演示：

String text = "\u00A0 \u00A0\tStart reading\u00A0here..."; // \u00A0 - non-breaking space
System.out.println("Text: '" + text + "'"); // => Text: '       Start reading here...'
System.out.println(text.replaceAll("(?U)\\s+", "")); // => Startreadinghere...
System.out.println(text.replaceAll("(?U)\\s", "-")); // => ----Start-reading-here...
System.out.println(text.replaceAll("(?U)\\s+", "-")); // => -Start-reading-here...
System.out.println(text.replaceAll("(?U)\\G\\s", "-")); // => ----Start reading here... 

- Wiktor Stribiżew

Answer 9

Pattern whitespace = Pattern.compile("\\s\\s");
matcher = whitespace.matcher(modLine);

boolean flag = true;
while(flag)
{
 //Update your original search text with the result of the replace
 modLine = matcher.replaceAll(" ");
 //reset matcher to look at this "new" text
 matcher = whitespace.matcher(modLine);
 //search again ... and if no match , set flag to false to exit, else run again
 if(!matcher.find())
 {
 flag = false;
 }
}

- Mike

---

Mike，感谢您抽出时间回答问题，但是这个问题已经在几个月前解决了。没有必要回答这么旧的问题。 - user372743

如果有人能够展示一种不同、更好的解决方案，回答旧问题也是完全合理的。 - james.garriss

Answer 10

你可以使用更简单的方式：

String out = in.replaceAll(" {2}", " ");

- Bokili Production