从Java中的字符串中删除标点符号

由柏拉图重新发布

关注： 0

在文本处理过程中，无论您是在搜索某些单词并制定模式匹配规则、计算元素的频率等等——标点符号都会影响您的计划。

通常，您需要删除停用词、标点符号、数字或其他一些角色类别，取决于您的最终目标。

在这个简短的教程中，我们将了解如何在 Java 中从字符串中删除标点符号。

使用 RegEx（正则表达式）从字符串中删除标点符号

正则表达式在这里非常适合，因为它们很可能成为其他处理部分的一部分，并且因为它们是高效的模式匹配器！在Java中，匹配标点的正则表达式是 p{Punct} 或速记 p{P}.

您必须转义字符串中的第一个反斜杠，因此删除所有标点符号相当于匹配它们并替换为空字符：

String.replaceAll("p{P}", "")

让我们把它应用到一个简单的句子中：

String text = "Hi! This is, in effect, a synthetic sentence. It's meant to have several punctuation characters!";
String clean = text.replaceAll("p{P}", "");
System.out.println(clean);

结果是：

Hi This is in effect a synthetic sentence Its meant to have several punctuation characters

让我们看看这里有哪些字符被视为标点符号：

String text = "!#$%&'()*+,-./:;[email protected][]^_`{|}~";
String clean = text.replaceAll("p{P}", "");
System.out.println(clean);

有了这些特殊字符——去掉标点符号后剩下哪些？

$+^`|~

从没有 RegEx 的字符串中删除标点符号

如果您不想使用正则表达式，则可以在遍历字符串的每个字符时进行手动检查。记得使用一个 StringBuffer 代替 String 这样做的时候，因为字符串是不可变的，每次你想添加一个字符时都需要复制——所以你要创建 string.length 内存中的字符串数。

StringBuffer 是可变的，并且可以在过程结束时轻松转换为不可变字符串：

查看我们的 Git 学习实践指南，其中包含最佳实践、行业认可的标准以及随附的备忘单。停止谷歌搜索 Git 命令，实际上学习它！

public static String removePunctuations(String s) {
    StringBuffer buffer = new StringBuffer();
    for (Character c : s.toCharArray()) {
        if(Character.isLetterOrDigit(c))
            buffer.append(c);
    }
    return buffer.toString();
}

让我们创建一个字符串并清理它：

String text = "Hello! nHere are some special characters: !#$%&'()*+,-./:;[email protected][]^_`{|}~ nWhere are they? :(n";
System.out.println(text);
String clean = removePunctuations(text);
System.out.println(clean);

Hello! 
Here are some special characters: !#$%&'()*+,-./:;[email protected][]^_`{|}~ 
Where are they? :(

HelloHerearesomespecialcharactersWherearethey

虽然此过程更具可定制性，但它仅检查字母和数字。您也可以手动检查字符代码，并且只排除一些标点符号 - 并保留空格、换行符等。