本文介绍如何在 Java 中利用 Pattern 和 replaceAll() 高效地将字符串中任意长度的连续非字母字符序列统一替换为一个短横线（-），避免重复连字符，适用于清洗含乱码或分隔符的原始文本。
本文介绍如何在 java 中利用 `pattern` 和 `replaceall()` 高效地将字符串中任意长度的连续非字母字符序列统一替换为一个短横线（`-`），避免重复连字符，适用于清洗含乱码或分隔符的原始文本。
在处理脏数据（如含 Unicode 控制字符、符号、数字、空白等非字母内容）时，常见需求是“保留纯英文单词，用单个 - 替代所有非字母片段”。例如，输入字符串 [1]important?@~?@~?@~?@~?@~alsoimportant@~@~@~ 应规整为 -important-alsoimportant-，而非 ---------important---------------alsoimportant-------（即多个非字母字符被逐个替换为 -）。
关键在于：匹配“一个或多个连续的非字母字符”，而非“单个非字母字符”。Java 正则中，[^a-zA-Z] 表示任意非英文字母字符；添加量词 + 后，[^a-zA-Z]+ 即可精准匹配连续出现的非字母子串（长度 ≥ 1），从而将其整体替换为单个 -。
✅ 推荐写法（简洁高效）：
String input = "[1]important?@~?@~?@~?@~?@~alsoimportant@~@~@~";
String clean = input.replaceAll("[^a-zA-Z]+", "-");
System.out.println(clean); // 输出：-important-alsoimportant-
✅ 若需复用（如高频调用或复杂逻辑），建议预编译 Pattern 提升性能：
final Pattern NON_ALPHABET = Pattern.compile("[^a-zA-Z]+");
String clean = NON_ALPHABET.matcher(input).replaceAll("-");
Pattern.compile() 仅执行一次，后续 .matcher().replaceAll() 复用已编译模式，避免重复解析，显著提升批量处理效率。
⚠️ 注意事项：
- [^a-zA-Z] 仅覆盖 ASCII 字母（A–Z, a–z）。如需支持 Unicode 字母（如中文、é、α 等），应改用 \P{L}+（\P{L} 表示“非 Unicode 字母”，+ 表示连续多个），并确保 JVM 使用 UTF-8 编码；
- 开头和结尾的非字母序列也会被替换为 -，结果以 - 起始和结束——若需去除首尾 -，可追加 .replaceAll("^-|-$", "")；
- 若单词间需保留分隔但避免首尾冗余，可组合使用：input.replaceAll("^[^a-zA-Z]+|[^a-zA-Z]+$", "").replaceAll("[^a-zA-Z]+", "-")。
综上，[^a-zA-Z]+ 是解决该问题的核心正则模式，配合 replaceAll() 或预编译 Pattern，即可兼顾简洁性与高性能，是文本规范化处理的标准实践。
