从Java中的字符串中删除所有非单词字符，留下带重音符号的字符？

显然，当我使用Regex时，Java的Regex风格将Umlauts和其他特殊字符视为非“单词字符”。

        "TESTÜTEST".replaceAll( "\\W", "" )

为我返回“ TESTTEST”。我想要的是仅删除所有真正的非“单词字符”。无需采取任何措施即可执行此操作的任何方法

         "[^A-Za-z0-9äöüÄÖÜßéèáàúùóò]"

才意识到我忘记了？

采用 [^\p{L}\p{Nd}]+-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：

我更改\p{N}为，\p{Nd}因为前者还匹配一些数字符号，例如¼；后者没有。在regex101.com上查看。

当我碰到这个线程时，我试图达到完全相反的目的。我知道它已经很老了，但是这仍然是我的解决方案。您可以使用块，请参见此处。在这种情况下，请编译以下代码（带有正确的导入）：

> 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(), "#"));

您应该看到以下输出：

真正

#blah

最好，

有时您不想简单地删除字符，而只是删除重音符号。我想出了以下实用程序类，当我需要在URL中包含String时，将在Java REST Web项目中使用该实用程序类：

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;
    }
}

作为讲德语的人，我还包括对德语变音符号的正确处理-该列表应该易于扩展到其他语言。

高温超导

编辑：请注意，将返回的字符串包含在URL中可能是不安全的。您至少应该对其进行HTML编码，以防止XSS攻击。

好吧，这是我最终得到的一个解决方案，但我希望有一个更优雅的解决方案...

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 最终获得理想的结果...

您可能要先删除重音符号和变音符号，然后在每个字符位置检查“简体”字符串是否为ascii字母-如果是，则原始位置应包含单词字符，如果不是，则可以将其删除。