空格匹配正则表达式-Java

用于正则表达式的Java API 声明\s将匹配空格。因此，正则表达式\\s\\s应匹配两个空格。

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

目的是用单个空格替换两个连续空格的所有实例。但是，这实际上不起作用。

我是否对正则表达式或“空白”有严重的误解？

是的，您需要获取以下结果matcher.replaceAll()：

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

您不能\s在Java中使用它来匹配其自身的本机字符集上的空格，因为Java不支持Unicode空格属性-即使必须严格遵守Unicode空格才能满足UTS＃18的RL1.2！ does，它所拥有的并不是符合标准的。

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

空白是一个相当稳定的属性，而这些空白几乎一直存在。即使这样，Java也没有符合Unicode标准的属性，因此您必须使用如下代码：

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，您可以whitespace_charclass + "+"在中将其用作模式replaceAll。

对不起，所有这些。Java的正则表达式在它自己的本机字符集上不能很好地工作，因此您真的必须跳过各种特殊的箍圈才能使其正常工作。

如果你觉得白色空间是坏的，你应该看什么，你必须做的就是\w和\b最终检点！

是的，这是可能的，是的，这是一个令人烦恼的混乱。甚至是慈善的。获得适用于Java的标准正则表达式库的最简单方法是将JNI移交给ICU。这就是Google在Android上所做的事情，因为OraSun的表现并不理想。

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，我写过“修复” Java的模式，至少可以使其符合UTS的RL1.2a的要求。＃18，Unicode正则表达式。

对于Java（不是php，不是javascript，不是其他）：

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

当我向Regexbuddy（正则表达式开发人员应用程序）论坛发送问题时，我得到了对\ s Java问题的更准确答复：

“消息作者：Jan Goyvaerts

在Java中，简写\ s，\ d和\ w仅包含ASCII字符。...这不是Java中的错误，而只是使用正则表达式时需要注意的许多事情之一。要匹配所有Unicode空格和换行符，可以在Java中使用[\ s \ p {Z}]。RegexBuddy尚不支持特定于Java的属性，例如\ p {javaSpaceChar}（与[\ s \ p {Z}]完全相同的字符）。

如果输入仅是ASCII，则\ s \ s将匹配两个空格。真正的问题在于OP的代码，正如该问题的公认答案所指出的那样。”

似乎为我工作：

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

将打印：

" a  b   c"

我认为您打算这样做而不是代码：

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

System.out.println(result);

为了您的目的，您可以使用以下代码段：

import org.apache.commons.lang3.StringUtils;

StringUtils.normalizeSpace(string);

这将把间距归一化为单个，也将去除起始和尾随空白。

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

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;
 }
}

自从首次提出该问题以来，Java一直在发展。您可以使用该\p{Zs}组来匹配所有方式的unicode空格字符。

因此，如果您想用一个普通空间替换一个或多个奇异空间，则可以这样做：

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

另外值得一知道，如果你使用的trim()字符串函数，你应该看一看的（比较新）strip()，stripLeading()以及stripTrailing()对字符串的函数。可以帮助您剪裁各种松散的空白字符。有关包含什么空间的更多信息，请参见Java Character.isWhitespace()函数。

在RE中使用空格是很痛苦的，但我相信它们会起作用。还可以使用StringTokenizer或split（）方法解决OP的问题。但是，要使用RE（取消注释println（）以查看匹配器如何分解String），下面是示例代码：

import java.util.regex.*;

public class Two21WS {
    private String  str = "";
    private Pattern pattern = Pattern.compile ("\\s{2,}");  // multiple spaces

    public Two21WS (String s) {
            StringBuffer sb = new StringBuffer();
            Matcher matcher = pattern.matcher (s);
            int startNext = 0;
            while (matcher.find (startNext)) {
                    if (startNext == 0)
                            sb.append (s.substring (0, matcher.start()));
                    else
                            sb.append (s.substring (startNext, matcher.start()));
                    sb.append (" ");
                    startNext = matcher.end();
                    //System.out.println ("Start, end = " + matcher.start()+", "+matcher.end() +
                    //                      ", sb: \"" + sb.toString() + "\"");
            }
            sb.append (s.substring (startNext));
            str = sb.toString();
    }

    public String toString () {
            return str;
    }

    public static void main (String[] args) {
            String tester = " a    b      cdef     gh  ij   kl";
            System.out.println ("Initial: \"" + tester + "\"");
            System.out.println ("Two21WS: \"" + new Two21WS(tester) + "\"");
}}

它产生以下内容（使用javac编译并在命令提示符下运行）：

％java Two21WS初始：“ ab cdef gh ij kl” Two21WS：“ ab cdef gh ij kl”