如果我有一个字符串，其中有任何类型的非字母数字字符:
"This., -/ is #! an $ % ^ & * example ;: {} of a = -_ string with `~)() punctuation"
我如何在JavaScript中得到一个没有标点符号的版本:
"This is an example of a string with punctuation"
当前回答
根据维基百科的标点符号列表，我必须构建以下正则表达式来检测标点:
[\.’'\[\](){} ⟨⟩:,، 、‒–—―...!.‹›«»‐\-?‘’“”'";/⁄·\&*@\•^†‡°”¡¿※# −№÷׺ª%‰+ =‱¶′″‴§~_|‖¦© ℗®℠™¤₳฿₵¢₡₢₫美元₯֏₠€ƒ₣₲₴₭₺₾ℳ₥₦₧₱₰£៛₽₹₨₪৳₸₮₩¥]
其他回答
它很简单，只是替换字符而不是单词:
.replace(/[^\w]/g, ' ')
如果你的目标是一个现代浏览器(不是IE)，你可以使用unicode字符类。当您还需要支持诸如德语Umlaute (äöü)或其他字符时，这尤其有用。
这是我最后得到的。它替换所有不是字母、撇号或空格的内容，并用一个空格删除行中的多个空格。
const textStripped = text
.replace(/[’]/g, "'") // replace ’ with '
.replace(/[^\p{Letter}\p{Mark}\s']/gu, "") // remove everything that is not a letter, mark, space or '
.replace(/\s+/g, " ") // remove multiple spaces
.replace(/[’]/g, "'")
First将'(印刷撇号)替换为'(打字机撇号)。因为两者都可以用在像"don 't "这样的词中
.replace(/[^\p{Letter}\p{Mark}\s']/gu, "")
\p{Letter}代表unicode中被归类为字母的任何字符。
\p{Mark}类别需要包括进一步的封面字母标记组合。例如，德语ä可以编码为单个字符，也可以编码为“a”和“Mark”的组合。当从pdf中复制德语文本时，这种情况经常发生。
来源: https://dev.to/tillsanders/let-s-stop-using-a-za-z-4a0m
str = str.replace(/[^\w\s\']|_/g, "")
.replace(/\s+/g, " ");
删除除字母数字字符和空白之外的所有内容，然后将多个相邻空白折叠为单个空格。
详细解释:
\w是任意数字、字母或下划线。 \s是任何空白。 [^\w\s\']是指任何不是数字、字母、空格、下划线或单引号的字符。 [^\w\s\']|_与#3相同，只是加了下划线。
对于en-US(美式英语)字符串，这应该足够了:
"This., -/ is #! an $ % ^ & * example ;: {} of a = -_ string with `~)() punctuation".replace( /[^a-zA-Z ]/g, '').replace( /\s\s+/g, ' ' )
注意，如果你支持UTF-8和像chinese/russian这样的字符，这也会替换它们，所以你真的必须指定你想要什么。
根据维基百科的标点符号列表，我必须构建以下正则表达式来检测标点:
[\.’'\[\](){} ⟨⟩:,، 、‒–—―...!.‹›«»‐\-?‘’“”'";/⁄·\&*@\•^†‡°”¡¿※# −№÷׺ª%‰+ =‱¶′″‴§~_|‖¦© ℗®℠™¤₳฿₵¢₡₢₫美元₯֏₠€ƒ₣₲₴₭₺₾ℳ₥₦₧₱₰£៛₽₹₨₪৳₸₮₩¥]
