如何在保留主题标签 (#xxx)、网址 (@xxxx) 和提及 (@xxx) 的情况下从推文中删除非英语标签？我在这里找到了： content.replaceAll("\W", " ") ：从 Java 中的字符串中删除所有非“单词字符”，留下重音字符？，但它并没有真正帮助。我知道有很多语言检测工具，比如微软的，以及其他复杂的方法，但我想要一些正则表达式，或者我可以在 JAVA 中使用的方法，而无需外部资源（如字典）。这是推文的一个示例：“Meeeeeee！RT @missLOVElace_：谁想要我的 80,000 条推文？”
如果 JAVA 中有可以检测推文是否为非英语语言的方法，那就太好了。这里有一个类似的：http: //babel-fett.heroku.com/ ，但它是用 Ruby 编写的。
谢谢！
我使用了 java 正则表达式： content.replaceAll("[^A-Za-z0-9-_@#\s]", "")... 它有效.. 我正在寻找 java 语言检测器；我正在寻找一种可以离线工作的强大工具。我找到了这个：http ://code.google.com/p/language-detection/wiki/GettingStarted 我认为这是一个很好的工具。其他相关问题在这里：https ://stackoverflow.com/q/1923844/1515897 ，如何检测用户输入文本的语言？.
嗯，一个词不是英语有两个条件（而且一个词不是英语，你可以断定这个短语不是，通常）。
1 - 检查第一个字母是否不是大写：专有名词保持不变，无论语言是什么
2 - 所有英文字母都包含在 [a-zA-Z] 中，所以我想检查一个单词是否是英文并不难。这是一个非详尽的字符列表，例如，在英语中不存在：
äàáãæå
ëèéê
ïìíî
òóôö
ð
ñ
但基本上，每个不匹配\w的单词都不是英语......（除非单词的第一个字母是大写字母，我再说一遍）。
但是你看，即使是在线的工具也是这样的。以没有意义的句子Hoark blerk 为例，您的工具将其检测为英语，因为我没有使用任何非 \w 字母。所以如果你真的想深入，你必须创建一个包含所有英文单词的数据库（我认为它已经存在）并检查你的单词是否与字典的任何条目匹配......但我怀疑你真的想要这样精确的。
请记住保留@whateverand #whatever_again，带和不带括号（使用简单的正则表达式可以很容易地实现）。并且不要忘记忽略标点符号，例如笑脸等。除非语言包含这些符号作为字母，否则您应该保留它们；）