java 正则表达式去除标点符号

 

 

  

public class Test {


public static void main(String[] args) {
String str = "!!！？？!!!!%*）%￥！KTV去符号标号！！当然,，。!!..**半角";
System.out.println(str);
String str1 = str.replaceAll("[\pP\p{Punct}]", "");
System.out.println("str1:" + str1);

String str2 = str.replaceAll("[//pP]", "");
System.out.println("str2:" + str2);

String str3 = str.replaceAll("[//p{P}]", "");
System.out.println("str3:" + str3);
}
}

 

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，如果在 JDK 5 或以下的环境中，全角单引号对、双引号对
无法替换掉，这是 JDK 5 及以下版本缺失的，在 JDK 6 中由于加入了
Pi 和 Pf 两个 Unicode 子属性，因此就能替换掉。

在 JDK 6 以下的版本中可以这样：


Java code

 

?

1	str = str.replaceAll("[\pP‘’“”]", "");

即手工加上去。







Unicode 编码并不只是为某个字符简单定义了一个编码，而且还将其进行了归类。

pP 其中的小写 p 是 property 的意思，表示 Unicode 属性，用于 Unicode 正表达式的前缀。

大写 P 表示 Unicode 字符集七个字符属性之一：标点字符。

其他六个是

L：字母；
M：标记符号（一般不会单独出现）；
Z：分隔符（比如空格、换行等）；
S：符号（比如数学符号、货币符号等）；
N：数字（比如阿拉伯数字、罗马数字等）；
C：其他字符

上面这七个是属性，七个属性下还有若干个子属性，用于更进一步地进行细分。

Java 中用于 Unicode 的正则表达式数据都是由 Unicode 组织提供的。

Unicode 正则表达式标准（可以找到所有的子属性）
http://www.unicode.org/reports/tr18/

各 Unicode 字符属性的定义，可以用一看看某个字符具有什么属性。
http://www.unicode.org/Public/UNIDATA/UnicodeData.txt

这个文本文档一行是一个字符，第一列是 Unicode 编码，第二列是字符名，第三列是 Unicode 属性，
以及其他一些字符信息。