删除/清除/过滤标点（所有中英文标点）的正则表达式——Desktop

发布时间：2020-12-14 02:07:44 所属栏目：百科来源：网络整理

导读：在进行文本分析的时候我们经常需要过滤掉停用词，标点等，本文给大家介绍一下如何识别并删除文本中的所有标点符号。下面是三个可行的正则表达式方案，童鞋们来试试吧^_^ (1) s.replaceAll( "p{Punct}","" ); (2) s.replaceAll("pP",""); (3) s.replaceAl

在进行文本分析的时候我们经常需要过滤掉停用词，标点等，本文给大家介绍一下如何识别并删除文本中的所有标点符号。下面是三个可行的正则表达式方案，童鞋们来试试吧^_^

(1) s.replaceAll( "p{Punct}","" );      
(2) s.replaceAll("pP","");      
(3) s.replaceAll("p{P}","");

(1)不能完全清楚所有标点，(2)和(3)等价都能完全清楚标点（中文和英文都能清除）

需要注意的是，还是存在一些系统不认为是标点的半角和全角符号无法清除，如下所示：

+~$`^=|<>～｀＄＾＋＝｜＜＞￥×

修改后：

(2) s.replaceAll( "[pP+~$`^=|<>～｀＄＾＋＝｜＜＞￥×]","");      
(3) s.replaceAll( "[p{P}+~$`^=|<>～｀＄＾＋＝｜＜＞￥×]","");

上面的三个方案中给出的都是采用Unicode标点属性方式的正则表达式，可以去掉所有的标点符号，包括全角、半角、横排、竖排等的标点符号。

注意一下， JDK5或以下的环境中不支持全角单引号对、双引号替换。在JDK6中由于加入了Pi和Pf两个Unicode子属性，因此就能替换掉。
在JDK6以下的版本中可以这样：

 s = s.replaceAll("[pP‘’“”]","");

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!