从字符串中删除特殊字符

Question

嗨，大家好，我尝试从字符串中删除特殊的字符和数字，但一切正常，但是字符'h'已打印在前缀和后缀中，我不知道为什么它会打印出错误提示我...

  String str = "<h1>Hi buddy!!you @ $ did a Great job . <h1>";
  String str1 = str.replaceAll("[^\\p{L}\\p{M}]", " ");
  System.out.println(str1);

我的预期输出

Hi buddy  you did a Great job

但是我得到了

h Hi buddy  you did a Great job h

Answer 1

如评论中所述，在删除除字母和标记之外的所有内容之前，您应该使用HTML解析器摆脱标记。

如果您坚持使用正则表达式删除标签，则可以改为：

String str1 = str.replaceall("<[^>]*>", "").replaceAll("[^\\p{L}\\p{M}]", " ");

即删除标签之前...

Answer 2

这两个h来自输入源中的<h1>标记：

<h1>Hi buddy!!you @ $ did a Great job . <h1>
 ^                                       ^
 |                                       |
 + ------------- Here and here ----------+

如果您不想看到它们，请在调用replaceAll之前找到这些标记并删除它们。 一种快速的方法是在单独的replaceAll调用中应用"<\\\\p{Alnum}+>"正则表达式。 可以进行实验学习，但是对于生产来说太脏了。 如果需要可靠地执行此操作，请获取HTML解析器以删除标签。

Answer 3

使用此代码。 会的..

     String str = "<h1>Hi buddy!!you @ $ did a Great job . <h1>";       
     String str1 = str.replaceAll("<[^>]+>", "");
     String str2 = str1.replaceAll("[^\\p{L}\\p{M}]", " ");
     System.out.println(str2);

Answer 4

如果发现一个以上的连续空格到一个空格，将删除该标签，并删除所有特殊字符。

 String str = "<h1>Hi buddy!!you @ $ did a Great job . <h1>";
    //  String str1 = str.replaceAll("[^\\p{L}\\p{M}]", " ");

      String str1 =  str.replaceAll("<[^>]+>", "").replaceAll("[^\\p{L}\\p{M}]", "      
      ").replaceAll("\\s+", " ");

      System.out.println(str1);

输出：

 Hi buddy you did a Great job 

Answer 5

试试这个程序就可以了

public class StringFunction{
public static void main(String args[])
{
    String str = "<h1>Hi buddy!!you @ $ did a Great job . <h1>";
    System.out.println(str.replaceAll("<[^>]+>", "").replaceAll("[^\\p{L}\\p{M}]", " "));

}
}