java正则表达式处理特殊字符

水深无声 2022-11-27 03:09 354阅读 0赞

## 前言 ##

一串字符串中有特殊符号,可能会影响到相关接口业务,所以需要把字符串中的特殊字符都过滤掉

百度上面搜索大部分处理方法是通过正则表达式, 他需要处理的特殊符号都写进正则表达式中去校验, 这种方式一眼看过去就非常别扭, 感觉不灵活, 万一需要过滤其他的又得临时加进去

## 解决方案 ##

如下所示

public static String stringFilter (String str){
        
            String regEx="[\\u00A0\\s\"`~!@#$%^&*()+=|{}':;',\\[\\].<>/?~！@#￥%……&*（）——+|{}【】‘；：”“’。，、？]";
            Pattern p = Pattern.compile(regEx);
            Matcher m = p.matcher(str);
            return m.replaceAll("").trim();
        }

这种方式是网上普遍能搜索到的, 个人任务极其的low, 不推荐使用, 推荐使用下面这种

public static String romveSpecialChar(String str) {
        
    		String regEx = "\\pP|\\pS|\\s+";
    		str = Pattern.compile(regEx).matcher(str).replaceAll("").trim();
    		return str;
    	}

这种方式就比较简洁, 中国pP和pS匹配特殊符号然后替换掉, 也可以结合其他稍作修改就好更加完美

## 注意事项 ##

其中  
\\s+是空格一个或者多个,不管在那个位置都能匹配  
\\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),可参考  
[http://www.unicode.org/reports/tr18/][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。可参考  
[http://www.unicode.org/Public/UNIDATA/UnicodeData.txt][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。

[http_www.unicode.org_reports_tr18]: http://www.unicode.org/reports/tr18/
[http_www.unicode.org_Public_UNIDATA_UnicodeData.txt]: http://www.unicode.org/Public/UNIDATA/UnicodeData.txt