java：テキストを正規化する方法は？

Question

自分のプログラムのインデックスを作成したいと考えています。最も重要なステップの1つは、テキストを正規化することです。例： 私は空白、句読点（[]）と特殊文字（@）をフィルタリングする "macproapple"に "[（Mac Pro @apple）]"を変換する必要があります。私のコードは次のようなものです：

StringBuilder sb = new StringBuilder(text); 
sb = filterPunctuations(sb); 
sb = filterSpecialChars(sb); 
sb = filterBlankSpace(sb); 
sb = toLower(sb); 

これは多くのStringオブジェクトを生成するため、私はStringBuilderを使用することにします。しかし、私はStringBufferでそれを行う方法を知らない。誰にでもいくつかの提案がありますか？私はまた、中国語の文字を処理する必要があります。

Answer 1

あなたがメモリ内に作成された複数のオブジェクトに心配する必要はありませんので、

String originalText = "[(Mac Pro @apple)]"; 
String removedString = originalText.replaceAll("[^\\p{L}\\p{N}]", "").toLowerCase(); 

内部replaceAll方法はStringBufferのを使用して、正規表現でreplaceAll APIを使用することができます。ここで

はreplaceAllのためのコードはMatcherクラス

public String replaceAll(String replacement) { 
     reset(); 
     boolean result = find(); 
     if (result) { 
      StringBuffer sb = new StringBuffer(); 
      do { 
       appendReplacement(sb, replacement); 
       result = find(); 
      } while (result); 
      appendTail(sb); 
      return sb.toString(); 
     } 
     return text.toString(); 
    } 

Answer 2

てみthis-

class Solution 
{ 
     public static void main (String[] args) 
     { 
       String s = "[(Mac Pro @apple)]"; 
       s = s.replaceAll("[^A-Za-z]", ""); 
       System.out.println(s); 
     } 
} 

これは

MacProapple 

上記の行が

s.replaceAll("[^A-Za-z]", "")が（で示されていない文字列内のすべてを削除しIS-ために小さな説明の出力を提供します^）をAZとazで使用します。 Javaの正規表現はhereと説明されています。

最後に文字列を小文字に変換する場合は、s.toLowerCase()を使用する必要があります。