java - java replaceAll中的国家字符

Question

我在替换 Java 中的一些字符时遇到了很大的问题。我想删除所有不是字母、数字或特殊国家字符（例如“ę, ą”）的字符。当我使用该功能时，replaceAll("\W", " ")特殊字符也被删除。

示例字符串：“Jest źle, ale będzie lepiej。”

如何替换：“Jest le ale b dzie lepiej”

应该如何：“Jest źle ale będzie lepiej”

对不起我的英语不太好:)

Answer 1

你的英语比 Java 的波兰语好。Java 的正则表达式不会说波兰语，因此它只考虑 a..z “国家字符”（加上数字和下划线——GREP 显然是由程序员设计的）。这很公平，实际上：一种语言的“正常”字符对于另一种语言来说是“奇怪的”。

您可以在自定义否定字符类中总结一些额外的非 ASCII 字符：

replace ("[^\wźę ]", " ");

（您还应该添加其他重音字符，并可能删除非波兰语字符，例如 Q 和 X）。