Java 删除字符串上的标点符号（还有 ’ “ ” 和所有这些）保持重音字符

Question

我需要删除文件中的标点符号，同时保留重音字符我尝试了此代码，但无法正常工作。

Expectation: input=> ’'qwe..,rty ‘èeéò’“ ”o" "à     output=> qwertyèeéòoà

Effective result: input=> ’'qwe..,rty ‘èeéò’“ ”o" "à   output=>’qwerty ‘èeéò’“ ”o" "à

我无法删除 ’“” 个符号和其中的其他符号

注意：Eclipse和filetext.txt设置为UTF-8。

谢谢

import java.io.*;
import java.util.Scanner;

public class DataCounterMain {
    public static void main (String[] args) throws FileNotFoundException {

    File file = new File("filetext.txt");

    try {
        Scanner filescanner = new Scanner(file);
        while (filescanner.hasNextLine()) {

            String line = filescanner.nextLine();
            line=line.replaceAll ("\p{Punct}", "");

            System.out.println(line);
        }
    }
    catch(FileNotFoundException e) {
        System.err.println(file +" FileNotFound");
    }
    }
}

Answer 1

默认情况下，正则表达式 \p{Punct} 仅匹配 US-ASCII 标点符号，除非您启用 Unicode 字符类。这意味着您编写的代码只会删除这些字符：

!"#$%&'()*+,-./:;<=>?@[\]^_`{|}~

如果您想匹配 Unicode 联盟归类为标点符号的所有内容，请尝试 \p{IsPunctuation}，它始终检查 Unicode 字符属性并匹配示例中的所有标点符号（以及更多！）。

要替换空格和标点符号，就像在您的示例中一样，您可以使用：

             
        line = line.replaceAll("\p{IsPunctuation}|\p{IsWhite_Space}", "");

Java 删除字符串上的标点符号（还有 ’ “ ” 和所有这些）保持重音字符

Java remove punctuation on a String (also ’ “ ” and all of these) maintaining accents characters

java

regex

java.util.scanner

punctuation

accent-insensitive