Как вы используете границу слова Java с апострофами?

Question

Я пытаюсь удалить все вхождения слова в списке, но у меня возникают проблемы, когда в словах есть апострофы.

String phrase="bob has a bike and bob's bike is red";
String word="bob";
phrase=phrase.replaceAll("\\b"+word+"\\b","");
System.out.println(phrase);

output:
has a bike and 's bike is red

То, что я хочу, это:
has a bike and bob's bike is red

У меня ограниченное понимание регулярных выражений, поэтому я предполагаю, что есть решение, но мне сейчас недостаточно для создания регулярного выражения для обработки апострофов,Также я хотел бы, чтобы он работал с тире, чтобы фраза the new mail is e-mail заменяла только первое вхождение почты.

Answer 1

Все зависит от того, что вы понимаете под словом.Возможно, вам лучше определить, что вы понимаете, как разделитель слов: например, пробелы, запятые .... И напишите что-нибудь как

phrase=phrase.replaceAll("([ \\s,.;])" + Pattern.quote(word)+ "([ \\s,.;])","$1$2");

Но вам придется дополнительно проверить наличие вхождений наначало и конец строки Например:

  String phrase="bob has a bike bob, bob and boba bob's bike is red and \"bob\" stuff.";
  String word="bob";
  phrase=phrase.replaceAll("([\\s,.;])" + Pattern.quote(word) + "([\\s,.;])","$1$2");
  System.out.println(phrase);

печатает это

bob has a bike ,  and boba bob's bike is red and "bob" stuff.

Обновление: если вы настаиваете на использовании \b, считая, что «граница слова» понимает Unicode, вы также можете сделать этот подвох: замените все вхождения ' на какую-нибудь букву Юникода, которая, как вы уверены, не появится в вашем тексте, а затем выполните обратную замену.Пример:

  String phrase="bob has a bike bob, bob and boba bob's bike is red and \"bob\" stuff.";
  String word="bob";
  phrase= phrase.replace("'","ñ").replace('"','ö');
  phrase=phrase.replaceAll("\\b" + Pattern.quote(word) + "\\b","");
  phrase= phrase.replace('ö','"').replace("ñ","'");
  System.out.println(phrase);

ОБНОВЛЕНИЕ: Подводя итог некоторым комментариям ниже: можно ожидать, что \w и \b будут иметь то же понятие, что и «символ слова», как почти каждое регулярное выражениедиалект сделать.Ну, Java не: \w считает ASCII, \b считает Unicode.Я согласен, что это ужасное несоответствие.

Обновление 2: поскольку в Java 7 (как указано в комментариях) флаг UNICODE_CHARACTER_CLASS позволяет указать согласованное поведение только в Юникоде, см. Например, здесь .

Answer 2

\b\S*(bob|mail)\S*\b

Будьте осторожны с ложными срабатываниями, это может соответствовать больше, чем вы хотите.Если вам нужны «префиксы» или «суффиксы» длиной не более 2 символов (например, "'s" или "e-"), используйте \S{0,2} вместо \S*.

. Регулярное выражение говорит:

\b           # a word boundary
\S*          # any number of non-spaces
(            # match group 1 (to enable a choice) 
  bob|mail   #   "bob" or "mail"
)            # end match group 1
\S*          # any number of non-spaces
\b           # a word boundary

Итак, в Java:

phrase = phrase.replaceAll("\\b\\S*(bob|mail)\\S*\\b", "");

---

Будьте осторожны с такими вещами, как

phrase = phrase.replaceAll("\\b" + word + "\\b", "");

Это должно быть

phrase = phrase.replaceAll("\\b" + Pattern.quote(word) + "\\b", "");

, так как всякий раз, когда word содержит метасимволы регулярных выражений, ваше регулярное выражение будет прерываться, если вы правильно не экранируете строку заранее, используя Pattern.quote().