Java RegEx 删除英文单词但排除一些单词

Question

我尝试使用这个正则表达式(?![link]|[hashTag]|[lough])([A-Za-z0-9]+) 将文本中的每个英文单词替换为 [englishWord]，但保留这些标签 [link]、[hashTag] 和 [lough]。 使用以下行:

 x = x.replaceAll("(?![link]|[hashTag]|[lough])([A-Za-z0-9]+)", "[englishWord]");

输入示例:

 BBC  The Other [lough] The kough there are [link] [hashTag]

结果输出；

 [englishWord] Th[englishWord] [englishWord] [lough] Th[englishWord] kough [englishWord] a[englishWord] [link] [hashTag]

虽然我希望输出变成:

[englishWord] [englishWord] [englishWord] [lough] [englishWord] [englishWord] [englishWord] [englishWord] [link] [hashTag]

谁能告诉我问题出在哪里吗？

Answer 1

您的正则表达式等于 (?![linkhasTgou])[A-Za-z0-9]+它只匹配 1+ ASCII 字母数字符号，但不以否定字符类内的符号开头

我建议使用正则表达式来匹配并将这 3 个“实体”捕获到第 1 组中，并使用 \p{Alnum}+ 替代方案来匹配任何字母数字字符序列。然后使用 Matcher#appendReplacement() 检查第 1 组是否匹配，如果匹配，则将值重新插入到结果中，否则，替换为硬编码字符串:

String s = "BBC  The Other [lough] The kough there are [link] [hashTag]";
String p = "(\\[(?:link|hashTag|lough)])|\\p{Alnum}+";
Matcher m = Pattern.compile(p).matcher(s);
StringBuffer sb = new StringBuffer();
while (m.find()) {
    if (m.group(1) != null)
        m.appendReplacement(sb, m.group(1));
    else
        m.appendReplacement(sb, "[englishWord]");
}
m.appendTail(sb); 
System.out.println(sb);

请参阅Java demo

请注意，如果需要匹配文字 [ 符号，则必须对字符类外部的 [ 进行转义。

图案详细信息:

• (\\[(?:link|hashTag|lough)]) - 捕获组 1 匹配:
  • \\[ - 文字 [
  • (?:link|hashTag|lough) - link 或 (|) hashTag 或 洛夫
  • ] - 文字 ]
• | - 或
• \\p{Alnum}+ - 1+ 字母数字字符。