怎樣用正則表達式去除文本中的標點符號

方法一

public static String ignoreChars(Set<Character> ignoreChars, String keyWord) {
    String regex = "[_`~!@#$%^&*()+=|{}':;',\\[\\].<>/?~！@#￥%……&*（）——+|{}【】‘；：”“’。，、？]";
    String regEx = "[_`~!@#$%^&*()+=|{}':;',\\[\\].<>/?~！@#￥%……&*（）——+|{}【】‘；：”“’。，、？�\uE009\uF8F5 ]";

    String ignoreCharStr="["+StringUtils.join(ignoreChars,"").trim()+" ]";
    System.out.println(ignoreCharStr);

    Matcher m = Pattern.compile(ignoreCharStr).matcher(keyWord);
    return m.replaceAll("").trim();

}

 

方法二

\\pP|\\pS

 

我們用一個例子演示此正則表達式用法：

public static void main(String[] args){
String string="測試<>《》！*(^)$%~!@#$…&%￥—+=、。，；‘’“”：·`文本";
System.out.println(string.replaceAll("\\pP|\\pS", ""));
}

 

輸出結果為：
測試文本

 

參考的主要內容如下：

Unicode 編碼並不只是為某個字符簡單定義了一個編碼，而且還將其進行了歸類。

/pP 其中的小寫 p 是 property 的意思，表示 Unicode 屬性，用於 Unicode 正表達式的前綴。

大寫 P 表示 Unicode 字符集七個字符屬性之一：標點字符。

其他六個是

L：字母；
M：標記符號（一般不會單獨出現）；
Z：分隔符（比如空格、換行等）；
S：符號（比如數學符號、貨幣符號等）；
N：數字（比如阿拉伯數字、羅馬數字等）；
C：其他字符

上面這七個是屬性，七個屬性下還有若干個子屬性，用於更進一步地進行細分。

Java 中用於 Unicode 的正則表達式數據都是由 Unicode 組織提供的。

Unicode 正則表達式標准（可以找到所有的子屬性）
http://www.unicode.org/reports/tr18/

各 Unicode 字符屬性的定義，可以用一看看某個字符具有什么屬性。
http://www.unicode.org/Public/UNIDATA/UnicodeData.txt

這個文本文檔一行是一個字符，第一列是 Unicode 編碼，第二列是字符名，第三列是 Unicode 屬性，
以及其他一些字符信息。