java - 如何使用带有撇号的 Java 单词边界？

Question

我试图删除列表中出现的所有单词，但当单词中有撇号时我遇到了麻烦。

String phrase="bob has a bike and bob's bike is red";
String word="bob";
phrase=phrase.replaceAll("\\b"+word+"\\b","");
System.out.println(phrase);

输出:
有一辆自行车并且 的自行车是红色的

我想要的是
有一辆自行车，bob 的自行车是红色的

我对正则表达式的了解有限，所以我猜想有一个解决方案，但我现在还不足以创建正则表达式来处理撇号。此外，我希望它与破折号一起使用，因此短语 the new mail is e-mail 只会替换第一次出现的邮件。

Answer 1

这完全取决于您对“词”的理解。也许你最好定义你所理解的单词分隔符:例如，空格、逗号....并写成

phrase=phrase.replaceAll("([ \\s,.;])" + Pattern.quote(word)+ "([ \\s,.;])","$1$2");

但是你必须额外检查字符串开头和结尾处的匹配项 例如:

  String phrase="bob has a bike bob, bob and boba bob's bike is red and \"bob\" stuff.";
  String word="bob";
  phrase=phrase.replaceAll("([\\s,.;])" + Pattern.quote(word) + "([\\s,.;])","$1$2");
  System.out.println(phrase);

打印这个

bob has a bike ,  and boba bob's bike is red and "bob" stuff.

更新:如果你坚持使用\b，考虑到“单词边界”理解Unicode，你也可以做这个卑鄙的把戏:替换所有出现的'通过一些您确定不会出现在您的文本中的 Unicode 字母，然后进行反向替换。示例:

  String phrase="bob has a bike bob, bob and boba bob's bike is red and \"bob\" stuff.";
  String word="bob";
  phrase= phrase.replace("'","ñ").replace('"','ö');
  phrase=phrase.replaceAll("\\b" + Pattern.quote(word) + "\\b","");
  phrase= phrase.replace('ö','"').replace("ñ","'");
  System.out.println(phrase);

更新:总结下面的一些评论:人们会期望 \w 和 \b 对哪个是“单词字符”有相同的概念，几乎每个正则表达式方言都可以。好吧，Java 没有:\w 考虑 ASCII，\b 考虑 Unicode。这是一个丑陋的矛盾，我同意。

更新 2:从 Java 7 开始(如评论中所指出的)UNICODE_CHARACTER_CLASS标志允许指定一致的 Unicode-only 行为，参见例如 here .