删除非字母数字，但保留拉丁字符

Question

从输入字符串我想摆脱非字母数字字符（:,-等），但保留拉丁字符。还用"-"替换空白空间" "。

这是我的尝试，但我不知道如何维护拉丁字符。

String title ="NEYÑO: HOW ARE YÓU MATE"; 
title = title.replaceAll("[^A-Za-z0-9 ]", "").replace(" ", "-").toLowerCase(); 
System.out.println(title); 

输出：

neyo-how-are-yu-mate 

所需的输出：

neyño-how-are-yóu-mate 

在此先感谢

Answer 1

使用[^\p{Alnum}\s]+与Pattern.UNICODE_CHARACTER_CLASS选项，以使所有Unicode字母和digts：

String title ="NEYÑO: HOW ARE YÓU MATE"; 
title = title.replaceAll("(?U)[^\\p{Alnum}\\s]+", "").replace(" ", "-").toLowerCase(); 
System.out.println(title); // => neyño-how-are-yóu-mate 

见Java demo

详细：

• (?U) - n的Pattern.UNICODE_CHARACTER_CLASS option
• [^...]嵌入式类型 - 一个negated character class匹配不属于任何单个字符：
  • \p{Alnum} - 任何字母数字字符
  • \s - 任何空白字符
• + - 一个quantifier匹配1个或多个。

Answer 2

您还可以使用\p{IsLatin} character property在Java中检测到拉丁字符：

String title ="NEYÑO: HOW ARE YÓU MATE"; 
title = title.replaceAll("(?!\\p{IsLatin})[^A-Za-z0-9 ]", "").replace(" ", "-").toLowerCase(); 
System.out.println(title); 

//=> neyño-how-are-yóu-mate 

(?!\\p{IsLatin})[^A-Za-z0-9 ]将匹配任何非字母数字或空格字符这不是一个拉丁字符。