Java之正则表达式在字符串中查找中文

转自：http://blog.csdn.net/csdn_yaobo/article/details/48377757 
原本是要收藏的，可是不知怎么了，点了收藏没有反应，只好先转载一下，等能收藏的时候，会删除此文章

学习了正则表达式后，感受正则表达式很强大，可是为了更好地理解正则表达式，找了一个很实际的问题来分享一下本身学习的心得。本题目是招聘时的一个题目，题目大体的意思是这样的：用户每次在网上消费东西，以后会给商家评论，可是这个评论中会有许多人评论一下小广告，为了能找出这些评论，咱们假设这样一个场景：

常常的一些小广告会有下面一下词语：”网店地址“，“销售”，“代购”；

       假如一个用户的评论是这样：这家酒店性价比高，提供海外代%……&购*&&6服……&**务”，网店地址：￥……**&*6“；

    要求：匹配出关键字，并打印出关键字和该条评论。

    就如上面这个题，我想已经表达的够清楚了，咱们该怎么下手呢？咱们常常的想法是一个一个扫描匹配，可是这样是否是太麻烦，并且有的评论中会有不少特殊字符，那咱们怎么办呢？个人思路是这样，咱们匹配的都是关键字，也就是汉字，那么能够将上述评论中全部的特殊符号（包括字母，空格，数字等）所有删除掉，只剩下汉字，而后咱们去匹配关键字，这样就简单了，下来用一段程序说一下怎样去除特殊符号：



    String string1 = "我爱编w!@#程  www#

她不5454 dadad &*$()###(爱编dadada程w!”;

String regEx="[`~!@#$%^&*()+=|{}:;\\[\\].<>/?~！@#￥%……&*（）——+|{}【】‘；：”“’。，、？a-zA-Z0-9 ]";
     Pattern c = Pattern.compile(regEx);
     Matcher mc=c.matcher(string1);
     String result =  mc.replaceAll("").trim();  
     System.out.println(result);

解释一下上面的程序：我给了这样一句话“我爱编w!@#程 www#

她不5454 dadad &*$()###(爱编dadada程w!”，而后从这句话中找出匹配“编程”关键字；而后并输出，上面regEx是正则表达式，目的是过滤掉全部特殊字符，可能我写的这个有漏掉的字符，能够根据本身的须要修改，这样咱们就将这句话通过过滤变成了下面这样：

上面已经去除掉特殊符号了，下来是最关键的是怎样匹配关键字呢？又用一个简单的程序示例说一下：

Pattern p = Pattern.compile("[编][程]"); Matcher m = p.matcher(result); while(m.find()){ System.out.println(m.group()); }

 

上面那个“(“[编][程]”)”就是匹配关键字，不能写成“[编程]”，若是写成“[编程]”就会出现每一个字和上面那句话匹配，而不是一个词语匹配，和咱们想要的结果大相径庭，这个能够参考正则表达式的概念（写到一个里至关雨或的概念，写到两个里就是两个条件是且的意思如：[0-9,a-z]与[0-9][a-z]）。若是有匹配的，输出匹配的关键字。下面是输出的结果，这句话中出现了两次编程，咱们都匹配出来了，并且都输出来了。