Desktop Search开发笔记 南京Java培训

　　在进行文本分析的时候我们经常需要过滤掉停用词，标点等，江苏万和小编给大家介绍一下如何识别并删除文本中的所有标点符号。下面是三个可行的正则表达式方案，童鞋们来试试吧。南京Java培训

　　[java]

　　(1) s.replaceAll( "\\p{Punct}", "" );

　　(2) s.replaceAll("\\pP" , "");

　　(3) s.replaceAll("\\p{P}" , "");

　　(1)不能完全清楚所有标点，(2)和(3)等价都能完全清楚标点(中文和英文都能清除)

　　需要注意的是，还是存在一些系统的不认为是标点的半角和全角符号无法清除，如下所示：

　　[java] 南京Java培训

　　+~$`^=|<>～`$^+=|<>￥×

　　修改后：

　　[java]

　　(2) s.replaceAll( "[\\pP+~$`^=|<>～`$^+=|<>￥×]" , "");

　　(3) s.replaceAll( "[\\p{P}+~$`^=|<>～`$^+=|<>￥×]" , "");

　　上面的三个方案中给出的都是采用 Unicode 标点属性方式的正则表达式，可以去掉所有的标点符号，包括全角、半角、横排、竖排等的标点符号。南京Java培训

　　注意一下， JDK 5 或以下的环境中不支持全角单引号对、双引号替换。在 JDK 6 中由于加入了Pi 和 Pf 两个 Unicode 子属性，因此就能替换掉。南京Java培训

　　在 JDK 6 以下的版本中可以这样：

　　[java]

　　s = s.replaceAll("[\\pP‘’“”]", "");