Java正则表达式到正则表达式以删除双连字符并保留单连字符

Question

所以我需要一个正则表达式，它可以从文本中删除所有非单词字符（空格和连字符除外），这样我就可以计算文本中的单词数。 差不多

String().replaceAll("[^\\p{L}+(?:\\-\n?\\p{L}+)* ]", "")

大多数情况下都有效，因为它保留连字符的单词，但当我使用双连字符时，问题就出现了。美式英语中的双连字符应该代表一个破折号，所以在我的例子中，我也需要用空格来代替它。有人知道如何修改它以避免这种情况发生吗

这里有一个例子。以下一句：

当我离开校园时，我把所有的东西都丢了——钱包，钥匙，所有的东西

在正则表达式之后应该是这样的：

当我离开校园时，我丢失了所有的东西钱包钥匙一切

编辑-我对使用两个replaceAlls不感兴趣，我想在一个正则表达式中进行编辑

Answer 1

原始正则表达式已损坏，因为(?:...)和*，+在字符类[]内被视为文字字符

在Java的字符类中，[，]，\（用于转义序列和属性），\Q，\E（用于引用字符类中的特殊字符），^（仅在类的开头有效），-（在两个字符之间有效），&&（用于字符类交叉）是唯一具有特殊含义的字符/序列

您可以根据这个示例字符串测试您的正则表达式，以确认我上面所说的

This is another example: (parentheses) + [brackets] + (asterisks *)

您可以直接将单词与此正则表达式（正则表达式字符类中的部分）匹配，而不是删除无效字符和填充：

"\\p{L}+(?:-\n?\\p{L}+)*"

上面的正则表达式可在Matcher循环中用于计算字数：

Pattern p = Pattern.compile("\\p{L}+(?:-\n?\\p{L}+)*");
Matcher m = p.matcher(input);
int count = 0;

while (m.find()) {
   count++;
}

如果仍要替换与上述正则表达式中定义的“单词”定义不匹配的所有字符：

input.replaceAll("(?s).*?(\\p{L}+(?:-\n?\\p{L}+)*)|.+", "$1 ");

(?s).*?(\\p{L}+(?:-\n?\\p{L}+)*)在“单词”之前搜索非“单词”字符，并删除它们，在“单词”之后添加空格。末尾的.+处理字符串末尾的非“单词”字符序列

请注意，如果最后一个字符不是“单词”的一部分，它将产生一个尾随空格

Demo on regex101

测试输入：

While I was off-campus, I lost all my belongings wallet, keys, everything!

This is another example: (parentheses) + [brackets] + (asterisks *)

Along-
longl-
onglo-
ngword!

测试输出（注意末尾的尾随空格）：

While I was off-campus I lost all my belongings wallet keys everything This is another example parentheses brackets asterisks Along- longl- onglo- ngword 

如果你问我是否可以通过修改上面的正则表达式来消除尾随空格，我会说在Java中不可能。这里的问题是 必须替换为分隔2个“单词”的空格，而其他非“单词”字符必须替换为空字符串