I'm trying to write a regular expression in Java which removes all non-alphanumeric characters from a paragraph, except the spaces between the words.
 
This is the code I've written:
 
paragraphInformation = paragraphInformation.replaceAll("[^a-zA-Z0-9\s]", "");
 
However, the compiler gave me an error message pointing to the s saying it's an illegal escape character. The program compiled OK before I added the \s to the end of the regular expression, but the problem with that was that the spaces between words in the paragraph were stripped out.
 
How can I fix this error?
 
解决方案
 
You need to double-escape the \ character: "[^a-zA-Z0-9\\s]"
 
Java will interpret \s as a Java String escape character, which is indeed an invalid Java escape. By writing \\, you escape the \ character, essentially sending a single \ character to the regex. This \ then becomes part of the regex escape character \s.

package com.test;

import java.util.regex.Pattern;

public class StringUtils {

	/**匹配&或全角状态字符或标点*/
    public static final String PATTERN="&|[\uFE30-\uFFA0]|‘’|“”";

	public static String replaceSpecialtyStr(String str,String pattern,String replace){
		if(isBlankOrNull(pattern))
			pattern="\\s*|\t|\r|\n";//去除字符串中空格、换行、制表
		if(isBlankOrNull(replace))
			replace="";
		return Pattern.compile(pattern).matcher(str).replaceAll(replace);

	}
	public static boolean isBlankOrNull(String str){
		if(null==str)return true;
		//return str.length()==0?true:false;
                   return str.length()==0;
	}

	/**清除数字和空格*/
	public static  String cleanBlankOrDigit(String str){
		if(isBlankOrNull(str))return "null";
		return Pattern.compile("\\d|\\s").matcher(str).replaceAll("");
	}


	/**
	 * Unicode 编码并不只是为某个字符简单定义了一个编码，而且还将其进行了归类。

	/pP 其中的小写 p 是 property 的意思，表示 Unicode 属性，用于 Unicode 正表达式的前缀。

	大写 P 表示 Unicode 字符集七个字符属性之一：标点字符。\\pP‘’“”]",如果在 JDK 5 或以下的环境中，全角单引号对、双引号对

	其他六个是
	L：字母；
	M：标记符号（一般不会单独出现）；
	Z：分隔符（比如空格、换行等）；
	S：符号（比如数学符号、货币符号等）；
	N：数字（比如阿拉伯数字、罗马数字等）；
	C：其他字符
	 * 
	 * */
	public static void main(String[] args){

		System.out.println(replaceSpecialtyStr("中国电信2011年第一批IT设备集中采购-存储备份&（），)(UNIX服务器",PATTERN , ""));

	}
}





摘抄：

str = str.replaceAll("[\\pP‘’“”]", "");





Unicode 编码并不只是为某个字符简单定义了一个编码，而且还将其进行了归类。



\pP 其中的小写 p 是 property 的意思，表示 Unicode 属性，用于 Unicode 正表达式的前缀。



大写 P 表示 Unicode 字符集七个字符属性之一：标点字符。



其他六个是



L：字母；

M：标记符号（一般不会单独出现）；

Z：分隔符（比如空格、换行等）；

S：符号（比如数学符号、货币符号等）；

N：数字（比如阿拉伯数字、罗马数字等）；

C：其他字符



上面这七个是属性，七个属性下还有若干个子属性，用于更进一步地进行细分。



Java 中用于 Unicode 的正则表达式数据都是由 Unicode 组织提供的。



Unicode 正则表达式标准（可以找到所有的子属性）

http://www.unicode.org/reports/tr18/



各 Unicode 字符属性的定义，可以用一看看某个字符具有什么属性。

http://www.unicode.org/Public/UNIDATA/UnicodeData.txt



这个文本文档一行是一个字符，第一列是 Unicode 编码，第二列是字符名，第三列是 Unicode 属性，

以及其他一些字符信息。

正则表达式 查找数字
 
数字相关的常用语法：
 
\d
数字字符匹配。等效于 [0-9]。
\D
非数字字符匹配。等效于 [^0-9]。
[xyz]
字符集。匹配包含的任一字符。例如，"[abc]“匹配"plain"中的"a”。
[^xyz]
反向字符集。匹配未包含的任何字符。例如，"[^abc]“匹配"plain"中"p”，“l”，“i”，“n”。
find 和 matches 的区别
 
find 是部分匹配，适合判断是否含有某些内容，比如字符中是否含有数字
 
matches 是全匹配，适合判断是否为数字或是字母
 
1，判断字符中是否有数字
 
表达式可以是 \d 或是 [0-9] 可能有多个加*
 
 public static void main(String[] args) {
        String str2 = "1aa564sdfp5324";
        System.out.println("======= "+str2+" =========");
        hasDigit(str2);
        str2 = "234564";
        System.out.println("======= "+str2+" =========");
        hasDigit(str2);
    }

 public static boolean hasDigit(String content) {
        String regExp = "\\d+";
        regExp = "[0-9]*";
        Pattern pattern=Pattern.compile(regExp);
        Matcher m = pattern.matcher(content);
        System.out.println(" matches nums: " +m.matches());
        System.out.println(" find nums: " +m.find());
        return m.find();
    }
    
 
结果：
 
======= 1aa564sdfp5324 =========
 matches nums: false
 find nums: true
======= 234564 =========
 matches nums: true
 find nums: true
 
2，提取字符串中的数字
 
表达式： [^0-9] 需要用到反向字符集，去掉非数字的。
 
public static void main(String[] args) {
        String str = "curStaff[25].staffName12";
        getContainsNum(str);
    }
    
    private static String getContainsNum(String str){
        String regExp="[^0-9]"; // 反向字符集。匹配未包含的数字，替换着里面的数字
        Pattern pattern = Pattern.compile(regExp);
        Matcher matcher = pattern.matcher(str);
        System.out.println("find "+matcher.find());
        String nums = matcher.replaceAll("").trim();
        System.out.println("nums "+nums);
        return nums;
    }
 
结果：
 
find true
nums 2512
 
这个例子中会有个问题，数字是获取了，但是糅合在一起了，一般会需要分开。
 
3，分开提取的数字
 
替换的时候使用特殊字符进行替换，然后再进行分割，进行大小判断
 
public static void main(String[] args) {
        String str = "curStaff[25].staff454Name12";
        getSplitNums(str);
    }

    private static String getSplitNums(String str){
        String regExp="[^0-9]"; // 反向字符集。匹配未包含的数字，替换着里面的数字
        Pattern pattern = Pattern.compile(regExp);
        Matcher matcher = pattern.matcher(str);
        List<String> strList = new ArrayList<>();
        // 用一个字符进行替换，逗号，空格或是特殊字符
        String nums = matcher.replaceAll(",").trim();
        //以逗号为分割符在讲数字存入一个字符串数组中
        String[] strArr = nums.split(",");
        System.out.println("nums "+nums);
        for (String single: strArr) {
            if(single.length() > 0){
                strList.add(single);
            }
        }
        System.out.println("result: "+strList.toString());
        return nums;
    }
 
总结：
 
​ 使用正则表达式的时候，主要是对“正则表达式语法”要熟悉，使用的话，没有想法的话就网上查查，理解后，再实践操作一遍。
 
另外一种获取数字的方式 获取双引号里面的数字

很多时候在java切分字段或者判断文字内容的时候可以应用到正则表达式的方法



1、空格

 
文段很多时候可以应用空格做切分但是有的时候用
 
String st = s.split(" ");


 
会出错，因为空格属于特殊字符啊，所以
 
String st = s.split("\\s+"); 
 
表示可以识别一个或多个空格；
 
于是，就可以推断出=-=
 
String st = s.split("\\s"); 
 
表示可以识别到一个空格啊；
 



2、数字

 
对于纯数字的判断java中有
 
的方法；
 
在matches（）中可以添加正则表达式；
 
例如
 
string.matches();
 
string.matches("[0-9]");//判断纯数字0-9
string.matches("[0-9]+");//利用上面与空格相类似的“+”：表示是匹配前面的子表达式一次或多次
string.matches("-?[0-9]+.*[0-9]*");  //判断正负，整数小数


 
*当然，除了正则也有很多方法可以用啦=-=