用于过滤非英语文本的java正则表达式

我发现了一些对regex的引用，这些引用过滤掉了非英语的内容，但其中有一些是用Java编写的，除了它们都指的是一些问题，而不是我试图解决的问题：

替换所有非英语字符 有一个空格

创建一个返回

true

如果字符串包含任何非英语 性格

我所说的“英文文本”不仅指实际的字母和数字，还指标点符号

到目前为止，我对目标1的理解非常简单：

String.replaceAll("\\W", " ")

事实上，这么简单，我怀疑我错过了什么。。。你发现上面有什么警告吗

至于目标2，我可以简单地

trim（）

上面

replaceAll（）

后面的字符串，然后检查它是否为空。但是有没有更有效的方法

事实上，这么简单，我怀疑我错过了什么。。。你发现上面有什么警告吗

\W

相当于

[^\W]

，

\W

相当于

[a-zA-Z_0-9]

。使用

\W

将替换不是字母、数字或类似下划线的制表符和换行符的所有内容。这是否是个问题真的取决于你

我所说的“英文文本”不仅指实际的字母和数字，还指标点符号

在这种情况下，您可能希望使用省略标点符号的字符类；差不多

[^\w.,;:'"]

创建一个方法，该方法在字符串包含任何非英语字符时返回true

使用和

事实上，这么简单，我怀疑我错过了什么。。。你发现上面有什么警告吗

\W

相当于

[^\W]

，

\W

相当于

[a-zA-Z_0-9]

。使用

\W

将替换不是字母、数字或类似下划线的制表符和换行符的所有内容。这是否是个问题真的取决于你

我所说的“英文文本”不仅指实际的字母和数字，还指标点符号

在这种情况下，您可能希望使用省略标点符号的字符类；差不多

[^\w.,;:'"]

创建一个方法，该方法在字符串包含任何非英语字符时返回true

使用和

---

假设一个英语单词由以下字符组成：[a-zA-Z_0-9]

如果字符串包含任何非英语字符，则要返回true，请使用：

---

假设一个英语单词由以下字符组成：[a-zA-Z_0-9]

如果字符串包含任何非英语字符，则要返回true，请使用：

---

这是我的解决办法。我假设文本可能包含英语单词、标点符号和标准ascii符号，如#、%、@等

private static final String是\u ENGLISH\u REGEX=“^[\\w\\d\\s\\.\&\\+\-\\，\\！\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\/\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\；
专用静态布尔值isEnglish（字符串文本）{
if（text==null）{
返回false；
}
返回text.matches（是英语正则表达式）；
}
这是我的解决方案。我假设文本可能包含英文单词、标点符号和标准ascii符号，如#、%、@等


private static final String是\u ENGLISH\u REGEX=“^[\\w\\d\\s\\.\&\\+\-\\，\\！\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\/\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\；
专用静态布尔值isEnglish（字符串文本）{
if（text==null）{
返回false；
}
返回text.matches（是英语正则表达式）；
}
这对我很有用

  private static boolean isEnglish(String text) {
        CharsetEncoder asciiEncoder = Charset.forName("US-ASCII").newEncoder();
        CharsetEncoder isoEncoder = Charset.forName("ISO-8859-1").newEncoder();
        return  asciiEncoder.canEncode(text) || isoEncoder.canEncode(text);
    }

这对我有用

  private static boolean isEnglish(String text) {
        CharsetEncoder asciiEncoder = Charset.forName("US-ASCII").newEncoder();
        CharsetEncoder isoEncoder = Charset.forName("ISO-8859-1").newEncoder();
        return  asciiEncoder.canEncode(text) || isoEncoder.canEncode(text);
    }

有一小部分合法的英语单词包含重音符号-例如“naïve”。我认为你需要定义你所说的“英语文本”是什么意思。。。i、 e.以下句子是否被视为“英语文本”？“她的未婚夫的名字叫何塞·勃朗特。”@Spudley@Nate你们当然都对。就我的特殊情况而言，“她的未婚夫的名字是JoséBrontë。”并不被认为是全英语的，因此该方法应该返回
true
。有少数合法的英语单词包含重音字符，例如“naïve”。我想你需要定义“英语文本”的含义。。。i、 e.以下句子是否被视为“英语文本”？“她的未婚夫的名字叫何塞·勃朗特。”@Spudley@Nate你们当然都对。在我的特殊情况下，“她的未婚夫的名字是JoséBrontë。”并不被认为是全英语的，因此该方法应该返回
true
@dogbane为什么
^
和
$
？@regex新手它没有必要，但我要说的很清楚，我是在从头到尾匹配整个字符串。@dogbane您的正则表达式似乎不适用于以非英语字符开头（或结尾）的字符串。你能证实吗？@regex-rookie是的。我的语句按要求返回true。@dogbane您的正则表达式仍然不起作用。试着把一个只有一个非英语字符的全英文文本放在上面，看看我的意思。@dogbane为什么
^
和
$
？@regex新手这不是必需的，但我要说的是，我在从头到尾匹配整个字符串。@dogbane你的正则表达式似乎不适用于开始（或结束）的字符串使用非英语字符。你能证实吗？@regex-rookie是的。我的语句按要求返回true。@dogbane您的正则表达式仍然不起作用。试着把一个只有一个非英语字符的全英语文本放在屏幕上，看看我的意思。-1这行不通。您需要使用
matcher.find（）
或更改正则表达式以匹配整个字符串。-1这不起作用。您需要使用
matcher.find（）
或更改正则表达式以匹配整个字符串。