java - 使用正则表达式清理文本

Question

我正在阅读一个文本文件，我想找到文本的正确标记。但是我在句子末尾的点有问题。我的代码是以下代码，查询意味着输入字符串:

    query = query.replaceAll("[^\\p{L}\\s0-9-_/.]", "");
    query = query.replaceAll("\t", " ");
    query = query.replaceAll("\r", " ");
    query = query.replaceAll("\n", " ");
    StringTokenizer words = new StringTokenizer(query, " ");    
    while(tokens.hasMoreTokens()){
            String str=tokens.nextToken();
            String regex = "\\d+.\\d+";
            if(!str.matches(regex)) *<- second problem*
               System.out.println(str);

例如；输入文本是以下行

THE WORLD OF UNIQUE VENDING CARTS. fy_lkaris@yahoo.com  www.ubc_lib?9867.come/homepage 876454 9890-9999-9099.

我想要以下字符串作为输出

THE WORLD OF UNIQUE VENDING CARTS
fy_lkaris@yahoo.com
www.ubc_lib?9867.come/homepage
9890-9999-9099

但是我的实际输出在第一行和最后一行输出的末尾有点。我无法删除点 (.)，因为它从每个地方删除。

THE
WORLD
OF
UNIQUE
VENDING
CARTS.ff_lashkariyahoo.com   *<-problem*
www.unb_lib9867.come/homepage
9890-9999-9099.              *<-problem*

此外，我只想删除像 4,764,90.900 这样的数字，而不是 76-098-098，而且我找不到比使用 ma​​tch 函数更好的方法。有没有办法解决这个问题。

你能帮我一下吗？

Answer 1

问题是在字符类中间存在未转义的连字符。仅当连字符位于字符类中的开始或结束位置时，才可以对其进行转义。

使用这个:

query = query.replaceAll("[^\\p{L}\\s0-9_/.-]", "");

当连字符出现在中间时，它充当范围。在您的情况下，它创建数字 9 (ASCII: 57) 和下划线 (ASCII: 95) 之间的范围。