Java正则混淆

Question

我讨厌问这样愚蠢的问题，但为什么我的代码不能实现我的预期呢？

主要方法中的Java代码：

String s = "\"The fat-dog [ruffus] @nd the stupid-cat [*mewzer*] don't like each other!\"";
String[] tokens = s.replaceAll("[\\x27]+", "").replaceAll("[^a-zA-z_\\x2D]+", " ").replaceAll("\\s+", " ").trim().split(" ");

System.out.println(s);
for (String t : tokens)
    System.out.println("Token: " + t);

这些指纹：

：“胖狗屁股”和愚蠢的猫猫不喜欢对方！

令牌:胖狗令牌: ruffus令牌: nd令牌:令牌:愚蠢的猫令牌:令牌: mewzer令牌:令牌:不令牌:类似令牌:每个令牌:其他令牌

这基本上是正确的，除了那些该死的托架！难道不应该用"[^a-zA-z_\\x2D]+"表达式替换它们吗？我甚至尝试添加一个replaceAll("\\[\\]"," ")，然后添加一个replaceAll("\\x5B\\x5D"," ")，但没有结果。

我怎样才能去掉这些括号呢？在我刚才提到的三项替换声明中，是什么使它们不被取代？

Answer 1

你的第一次尝试没能成功因为这个

“replaceAll("^a-zA-z_\x2D+"，

")

这一范围的字符恰好包括和西欧/北美组。[]^`_位于Z和a之间，这通常是编写A-z时的一种方便，但也是您的一个陷阱！

你可能是说A-Z

Answer 2

这是：

replaceAll("\\[\\]"," ")

可能应该是：

replaceAll("(\\[|\\])"," ")

您试图将[]实例替换为a，而不是将[或]替换为a。

Answer 3

看起来有一个更好的方法来完成您真正想要做的事情(从字符串中删除所有非单词字符(除连字符外))：

String[] tokens = s.replaceAll("[^\\w\\s-]+", "").replaceAll("\\s+", " ").trim().split(" ");

不过，这将在字符串中保留数字。这有问题吗？