本文介绍如何利用 Java 的 Pattern 和 replaceAll() 高效地将字符串中所有连续的非字母字符（如符号、数字、Unicode 控制符等）压缩为一个统一的短横线 -，从而提取并连接有效单词。
本文介绍如何利用 java 的 `pattern` 和 `replaceall()` 高效地将字符串中所有连续的非字母字符（如符号、数字、unicode 控制符等）压缩为一个统一的短横线 `-`，从而提取并连接有效单词。
在文本清洗场景中，常需从混杂噪声（如乱码、特殊符号、不可见字符）的原始字符串中提取有意义的字母单词，并用一致的分隔符连接。例如，输入字符串 [1]important?@~?@~?@~?@~?@~alsoimportant@~@~@~ 包含大量非 ASCII 非字母字符，目标是将其规整为 -important-alsoimportant- —— 即：每段连续非字母字符仅保留一个 -，单词本身保持原样，首尾也需补上短横线。
关键在于正则表达式的精准匹配：使用 [^a-zA-Z]+ 而非 [^a-zA-Z]。其中 + 表示“一个或多个”，可一次性匹配全部连续的非字母字符序列，从而实现“多换一”的压缩效果。
以下是两种推荐实现方式：
✅ 简洁单次替换（适合简单场景）：
String input = "[1]important?@~?@~?@~?@~?@~alsoimportant@~@~@~";
String clean = input.replaceAll("[^a-zA-Z]+", "-");
System.out.println(clean); // 输出：-important-alsoimportant-
✅ 预编译 Pattern（推荐用于高频调用）：
当该清洗逻辑需在循环或高并发中反复执行时，应复用已编译的 Pattern 对象以提升性能：
final Pattern NON_ALPHABET = Pattern.compile("[^a-zA-Z]+");
String input = "[1]important?@~?@~?@~?@~?@~alsoimportant@~@~@~";
String clean = NON_ALPHABET.matcher(input).replaceAll("-");
System.out.println(clean); // 输出同上
⚠️ 注意事项：
- [^a-zA-Z] 仅匹配 ASCII 字母（a–z, A–Z），若需支持 Unicode 字母（如中文、é、α 等），应改用 \P{L}+（表示“非 Unicode 字母”），并确保字符串编码正确；
- 该方案天然处理首尾冗余字符，无需额外 trim 或拼接；
- 若要求单词间必须有 - 但首尾不能有（如 important-alsoimportant），可在后续用 .replaceAll("^-|-$", "") 去除首尾短横线。
综上，通过 + 量词配合预编译 Pattern，既满足语义压缩需求，又兼顾代码可读性与运行效率，是 Java 文本规范化处理的标准实践。
Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南
