从字符串中删除所有特殊字符，但不包括非拉丁字符。

Question

我希望从字符串中删除所有特殊字符，只保留数字和普通的a-z字符。

我是这样做的:

text = text.replaceAll("[^a-zA-Z0-9 ]+", "");

使用这种方法的问题是它也会删除所有非拉丁字符，如è，é，ê，ë和许多其他字符。

所谓的非特殊字符（我想保留的字符）是指所有数字和所有语言的字母字符，或者至少尽可能多的语言。

我该如何只删除特殊字符？

- Aki K

---

也许你应该定义一下什么是特殊字符。哪个集合更大？ - Sotirios Delimanolis

@SotiriosDelimanolis 特殊字符是指所有语言中除数字和字母以外的所有字符。 - Aki K

Answer 1

你可以尝试使用\p{L}表示所有字母，\p{N}表示所有数字：

text = text.replaceAll("[^\\p{L}\\p{N} ]+", "");

- Sabuj Hassan

---

+1虽然您不需要量词，而且可以使用\\P代替类否定。 - Mena

尝试使用 [\\P{L}\\P{N} ]+，结果它吞掉了所有东西 :| - Sabuj Hassan

因为第二项抵消了第一项。你需要替换两次。不幸的是，Alnum posix 无法与 Unicode 兼容... - Mena

Answer 2

我知道你说过正则表达式，但如果guava是一个选项：

CharMatcher.JAVA_LETTER_OR_DIGIT.retainFrom("èêAAAGRt123")

- Eugene