Wie kann ich mit Regex alle Satzzeichen aus einer Zeichenfolge in JavaScript entfernen?

Wenn ich eine Zeichenfolge mit einem nicht alphanumerischen Zeichen habe:

"This., -/ is #! an $ % ^ & * example ;: {} of a = -_ string with `~)() punctuation"

Wie würde ich eine Version ohne Interpunktion in JavaScript erhalten:

"This is an example of a string with punctuation"

Wenn Sie bestimmte Satzzeichen aus einer Zeichenfolge entfernen möchten, ist es wahrscheinlich am besten, genau das zu entfernen, was Sie möchten

replace(/[.,\/#!$%\^&\*;:{}=\-_`~()]/g,"")

Wenn Sie dies tun, wird die Zeichenfolge immer noch nicht so zurückgegeben, wie Sie sie angegeben haben. Wenn Sie zusätzliche Leerzeichen entfernen möchten, die beim Entfernen verrückter Interpunktion übrig geblieben sind, sollten Sie so etwas tun

replace(/\s{2,}/g," ");

Mein vollständiges Beispiel:

var s = "This., -/ is #! an $ % ^ & * example ;: {} of a = -_ string with `~)() punctuation";
var punctuationless = s.replace(/[.,\/#!$%\^&\*;:{}=\-_`~()]/g,"");
var finalString = punctuationless.replace(/\s{2,}/g," ");

Ergebnisse der Ausführung von Code in der Firebug-Konsole:

str = str.replace(/[^\w\s]|_/g, "")
         .replace(/\s+/g, " ");

Entfernt alles außer alphanumerischen Zeichen und Leerzeichen und reduziert dann mehrere benachbarte Zeichen auf einzelne Leerzeichen.

Ausführliche Erklärung:

1. \w ist eine beliebige Ziffer, ein Buchstabe oder ein Unterstrich.
2. \s ist ein Leerzeichen.
3. [^\w\s] ist alles, was keine Ziffer, kein Buchstabe, kein Leerzeichen oder kein Unterstrich ist.
4. [^\w\s]|_ ist dasselbe wie # 3, außer dass die Unterstriche wieder hinzugefügt werden.

Hier sind die Standard-Interpunktionszeichen für US-ASCII: !"#$%&'()*+,-./:;<=>?@[\]^_`{|}~

Bei Unicode-Interpunktion (z. B. geschweifte Anführungszeichen, Bindestriche usw.) können Sie bestimmte Blockbereiche problemlos abgleichen. Der allgemeine Interpunktionsblock ist \u2000-\u206Fund der ergänzende Interpunktionsblock ist \u2E00-\u2E7F.

Zusammengenommen und ordnungsgemäß entkommen, erhalten Sie das folgende RegExp:

/[\u2000-\u206F\u2E00-\u2E7F\\'!"#$%&()*+,\-.\/:;<=>?@\[\]^_`{|}~]/

Das sollte so ziemlich jeder Interpunktion entsprechen, auf die Sie stoßen. Um die ursprüngliche Frage zu beantworten:

var punctRE = /[\u2000-\u206F\u2E00-\u2E7F\\'!"#$%&()*+,\-.\/:;<=>?@\[\]^_`{|}~]/g;
var spaceRE = /\s+/g;
var str = "This, -/ is #! an $ % ^ & * example ;: {} of a = -_ string with `~)() punctuation";
str.replace(punctRE, '').replace(spaceRE, ' ');

>> "This is an example of a string with punctuation"

US-ASCII-Quelle: http://docs.oracle.com/javase/7/docs/api/java/util/regex/Pattern.html#posix

Unicode-Quelle: http://kourge.net/projects/regexp-unicode-block

/ [^ A-Za-z0-9 \ s] / g sollte mit allen Satzzeichen übereinstimmen, aber die Leerzeichen behalten. Sie können also .replace(/\s{2,}/g, " ")zusätzliche Leerzeichen ersetzen, wenn Sie dies benötigen. Sie können den regulären Ausdruck unter http://rubular.com/ testen.

.replace(/[^A-Za-z0-9\s]/g,"").replace(/\s{2,}/g, " ")

Update : Funktioniert nur, wenn die Eingabe ANSI-Englisch ist.

Ich bin auf dasselbe Problem gestoßen, diese Lösung hat es geschafft und war sehr gut lesbar:

var sentence = "This., -/ is #! an $ % ^ & * example ;: {} of a = -_ string with `~)() punctuation";
var newSen = sentence.match(/[^_\W]+/g).join(' ');
console.log(newSen);

Ergebnis:

"This is an example of a string with punctuation"

Der Trick bestand darin, eine negierte Menge zu erstellen . Dies bedeutet, dass es mit allem übereinstimmt, was nicht innerhalb der Menge liegt, dh [^abc]nicht mit a, b oder c

\Wist ein Nicht-Wort, also [^\W]+wird alles negiert, was kein Wort char ist .

Durch Hinzufügen des _ (Unterstrichs) können Sie dies ebenfalls negieren.

Wenn Sie es global anwenden /g, können Sie eine beliebige Zeichenfolge durchlaufen und die Interpunktion löschen:

/[^_\W]+/g

Schön und sauber ;)

Ich werde es nur für andere hier setzen.

Ordnen Sie alle Satzzeichen für alle Sprachen zu:

Erstellt aus der Unicode-Interpunktionskategorie und fügte einige gebräuchliche Tastatursymbole wie $und Klammern und hinzu\-=_

http://www.fileformat.info/info/unicode/category/Po/list.htm

Grundlegender Ersatz:

".test'da, te\"xt".replace(/[\-=_!"#%&'*{},.\/:;?\(\)\[\]@\\$\^*+<>~`\u00a1\u00a7\u00b6\u00b7\u00bf\u037e\u0387\u055a-\u055f\u0589\u05c0\u05c3\u05c6\u05f3\u05f4\u0609\u060a\u060c\u060d\u061b\u061e\u061f\u066a-\u066d\u06d4\u0700-\u070d\u07f7-\u07f9\u0830-\u083e\u085e\u0964\u0965\u0970\u0af0\u0df4\u0e4f\u0e5a\u0e5b\u0f04-\u0f12\u0f14\u0f85\u0fd0-\u0fd4\u0fd9\u0fda\u104a-\u104f\u10fb\u1360-\u1368\u166d\u166e\u16eb-\u16ed\u1735\u1736\u17d4-\u17d6\u17d8-\u17da\u1800-\u1805\u1807-\u180a\u1944\u1945\u1a1e\u1a1f\u1aa0-\u1aa6\u1aa8-\u1aad\u1b5a-\u1b60\u1bfc-\u1bff\u1c3b-\u1c3f\u1c7e\u1c7f\u1cc0-\u1cc7\u1cd3\u2016\u2017\u2020-\u2027\u2030-\u2038\u203b-\u203e\u2041-\u2043\u2047-\u2051\u2053\u2055-\u205e\u2cf9-\u2cfc\u2cfe\u2cff\u2d70\u2e00\u2e01\u2e06-\u2e08\u2e0b\u2e0e-\u2e16\u2e18\u2e19\u2e1b\u2e1e\u2e1f\u2e2a-\u2e2e\u2e30-\u2e39\u3001-\u3003\u303d\u30fb\ua4fe\ua4ff\ua60d-\ua60f\ua673\ua67e\ua6f2-\ua6f7\ua874-\ua877\ua8ce\ua8cf\ua8f8-\ua8fa\ua92e\ua92f\ua95f\ua9c1-\ua9cd\ua9de\ua9df\uaa5c-\uaa5f\uaade\uaadf\uaaf0\uaaf1\uabeb\ufe10-\ufe16\ufe19\ufe30\ufe45\ufe46\ufe49-\ufe4c\ufe50-\ufe52\ufe54-\ufe57\ufe5f-\ufe61\ufe68\ufe6a\ufe6b\uff01-\uff03\uff05-\uff07\uff0a\uff0c\uff0e\uff0f\uff1a\uff1b\uff1f\uff20\uff3c\uff61\uff64\uff65]+/g,"")
"testda text"

\ s als Leerzeichen hinzugefügt

".da'fla, te\"te".split(/[\s\-=_!"#%&'*{},.\/:;?\(\)\[\]@\\$\^*+<>~`\u00a1\u00a7\u00b6\u00b7\u00bf\u037e\u0387\u055a-\u055f\u0589\u05c0\u05c3\u05c6\u05f3\u05f4\u0609\u060a\u060c\u060d\u061b\u061e\u061f\u066a-\u066d\u06d4\u0700-\u070d\u07f7-\u07f9\u0830-\u083e\u085e\u0964\u0965\u0970\u0af0\u0df4\u0e4f\u0e5a\u0e5b\u0f04-\u0f12\u0f14\u0f85\u0fd0-\u0fd4\u0fd9\u0fda\u104a-\u104f\u10fb\u1360-\u1368\u166d\u166e\u16eb-\u16ed\u1735\u1736\u17d4-\u17d6\u17d8-\u17da\u1800-\u1805\u1807-\u180a\u1944\u1945\u1a1e\u1a1f\u1aa0-\u1aa6\u1aa8-\u1aad\u1b5a-\u1b60\u1bfc-\u1bff\u1c3b-\u1c3f\u1c7e\u1c7f\u1cc0-\u1cc7\u1cd3\u2016\u2017\u2020-\u2027\u2030-\u2038\u203b-\u203e\u2041-\u2043\u2047-\u2051\u2053\u2055-\u205e\u2cf9-\u2cfc\u2cfe\u2cff\u2d70\u2e00\u2e01\u2e06-\u2e08\u2e0b\u2e0e-\u2e16\u2e18\u2e19\u2e1b\u2e1e\u2e1f\u2e2a-\u2e2e\u2e30-\u2e39\u3001-\u3003\u303d\u30fb\ua4fe\ua4ff\ua60d-\ua60f\ua673\ua67e\ua6f2-\ua6f7\ua874-\ua877\ua8ce\ua8cf\ua8f8-\ua8fa\ua92e\ua92f\ua95f\ua9c1-\ua9cd\ua9de\ua9df\uaa5c-\uaa5f\uaade\uaadf\uaaf0\uaaf1\uabeb\ufe10-\ufe16\ufe19\ufe30\ufe45\ufe46\ufe49-\ufe4c\ufe50-\ufe52\ufe54-\ufe57\ufe5f-\ufe61\ufe68\ufe6a\ufe6b\uff01-\uff03\uff05-\uff07\uff0a\uff0c\uff0e\uff0f\uff1a\uff1b\uff1f\uff20\uff3c\uff61\uff64\uff65]+/g)

^ hinzugefügt, um das Muster so umzukehren, dass nicht die Interpunktion, sondern die Wörter selbst übereinstimmen

".test';the, te\"xt".match(/[^\s\-=_!"#%&'*{},.\/:;?\(\)\[\]@\\$\^*+<>~`\u00a1\u00a7\u00b6\u00b7\u00bf\u037e\u0387\u055a-\u055f\u0589\u05c0\u05c3\u05c6\u05f3\u05f4\u0609\u060a\u060c\u060d\u061b\u061e\u061f\u066a-\u066d\u06d4\u0700-\u070d\u07f7-\u07f9\u0830-\u083e\u085e\u0964\u0965\u0970\u0af0\u0df4\u0e4f\u0e5a\u0e5b\u0f04-\u0f12\u0f14\u0f85\u0fd0-\u0fd4\u0fd9\u0fda\u104a-\u104f\u10fb\u1360-\u1368\u166d\u166e\u16eb-\u16ed\u1735\u1736\u17d4-\u17d6\u17d8-\u17da\u1800-\u1805\u1807-\u180a\u1944\u1945\u1a1e\u1a1f\u1aa0-\u1aa6\u1aa8-\u1aad\u1b5a-\u1b60\u1bfc-\u1bff\u1c3b-\u1c3f\u1c7e\u1c7f\u1cc0-\u1cc7\u1cd3\u2016\u2017\u2020-\u2027\u2030-\u2038\u203b-\u203e\u2041-\u2043\u2047-\u2051\u2053\u2055-\u205e\u2cf9-\u2cfc\u2cfe\u2cff\u2d70\u2e00\u2e01\u2e06-\u2e08\u2e0b\u2e0e-\u2e16\u2e18\u2e19\u2e1b\u2e1e\u2e1f\u2e2a-\u2e2e\u2e30-\u2e39\u3001-\u3003\u303d\u30fb\ua4fe\ua4ff\ua60d-\ua60f\ua673\ua67e\ua6f2-\ua6f7\ua874-\ua877\ua8ce\ua8cf\ua8f8-\ua8fa\ua92e\ua92f\ua95f\ua9c1-\ua9cd\ua9de\ua9df\uaa5c-\uaa5f\uaade\uaadf\uaaf0\uaaf1\uabeb\ufe10-\ufe16\ufe19\ufe30\ufe45\ufe46\ufe49-\ufe4c\ufe50-\ufe52\ufe54-\ufe57\ufe5f-\ufe61\ufe68\ufe6a\ufe6b\uff01-\uff03\uff05-\uff07\uff0a\uff0c\uff0e\uff0f\uff1a\uff1b\uff1f\uff20\uff3c\uff61\uff64\uff65]+/g)

für eine Sprache wie Hebräisch vielleicht, um das einfache und das doppelte Anführungszeichen zu entfernen und mehr darüber nachzudenken.

Verwenden dieses Skripts:

Schritt 1: Wählen Sie in Firefox Holding Control eine Spalte mit U + 1234-Nummern aus und kopieren Sie diese. Kopieren Sie nicht U + 12456, sie ersetzen Englisch

Schritt 2 (ich habe in Chrom) finden Sie einen Textbereich und fügen Sie ihn ein. Klicken Sie dann mit der rechten Maustaste und klicken Sie auf Inspizieren. dann können Sie mit $ 0 auf das ausgewählte Element zugreifen.

var x=$0.value
var z=x.replace(/U\+/g,"").split(/[\r\n]+/).map(function(a){return parseInt(a,16)})
var ret=[];z.forEach(function(a,k){if(z[k-1]===a-1 && z[k+1]===a+1) { if(ret[ret.length-1]!="-")ret.push("-");} else {  var c=a.toString(16); var prefix=c.length<3?"\\u0000":c.length<5?"\\u0000":"\\u000000"; var uu=prefix.substring(0,prefix.length-c.length)+c; ret.push(c.length<3?String.fromCharCode(a):uu)}});ret.join("")

Schritt 3 kopierte über die ersten Buchstaben die ASCII als separate Zeichen, nicht Bereiche, da jemand einzelne Zeichen hinzufügen oder entfernen könnte

In einer Unicode-fähigen Sprache lautet die Unicode- Interpunktion- Zeicheneigenschaft \p{P}- die Sie normalerweise zur besseren Lesbarkeit abkürzen \pPund manchmal erweitern können \p{Punctuation}.

Verwenden Sie eine Perl-kompatible Bibliothek für reguläre Ausdrücke?

Wenn Sie Interpunktion aus einer Zeichenfolge entfernen möchten, sollten Sie die PUnicode-Klasse verwenden.

Da Klassen in JavaScript RegEx nicht akzeptiert werden, können Sie diese RegEx ausprobieren, die mit allen Satzzeichen übereinstimmen sollte. Es entspricht den folgenden Kategorien: Pc Pd Pe Pf Pi Po Ps Sc Sk Sm So Allgemeine Interpunktion SupplementalPunctuation CJKSymbolsAndPunctuation CuneiformNumbersAndPunctuation.

Ich habe es mit diesem Online-Tool erstellt , das reguläre Ausdrücke speziell für JavaScript generiert. Das ist der Code, um Ihr Ziel zu erreichen:

var punctuationRegEx = /[!-/:-@[-`{-~¡-©«-¬®-±´¶-¸»¿×÷˂-˅˒-˟˥-˫˭˯-˿͵;΄-΅·϶҂՚-՟։-֊־׀׃׆׳-״؆-؏؛؞-؟٪-٭۔۩۽-۾܀-܍߶-߹।-॥॰৲-৳৺૱୰௳-௺౿ೱ-ೲ൹෴฿๏๚-๛༁-༗༚-༟༴༶༸༺-༽྅྾-࿅࿇-࿌࿎-࿔၊-၏႞-႟჻፠-፨᎐-᎙᙭-᙮᚛-᚜᛫-᛭᜵-᜶។-៖៘-៛᠀-᠊᥀᥄-᥅᧞-᧿᨞-᨟᭚-᭪᭴-᭼᰻-᰿᱾-᱿᾽᾿-῁῍-῏῝-῟῭-`´-῾\u2000-\u206e⁺-⁾₊-₎₠-₵℀-℁℃-℆℈-℉℔№-℘℞-℣℥℧℩℮℺-℻⅀-⅄⅊-⅍⅏←-⏧␀-␦⑀-⑊⒜-ⓩ─-⚝⚠-⚼⛀-⛃✁-✄✆-✉✌-✧✩-❋❍❏-❒❖❘-❞❡-❵➔➘-➯➱-➾⟀-⟊⟌⟐-⭌⭐-⭔⳥-⳪⳹-⳼⳾-⳿⸀-\u2e7e⺀-⺙⺛-⻳⼀-⿕⿰-⿻\u3000-〿゛-゜゠・㆐-㆑㆖-㆟㇀-㇣㈀-㈞㈪-㉃㉐㉠-㉿㊊-㊰㋀-㋾㌀-㏿䷀-䷿꒐-꓆꘍-꘏꙳꙾꜀-꜖꜠-꜡꞉-꞊꠨-꠫꡴-꡷꣎-꣏꤮-꤯꥟꩜-꩟﬩﴾-﴿﷼-﷽︐-︙︰-﹒﹔-﹦﹨-﹫！-／：-＠［-｀｛-･￠-￦￨-￮-�]|\ud800[\udd00-\udd02\udd37-\udd3f\udd79-\udd89\udd90-\udd9b\uddd0-\uddfc\udf9f\udfd0]|\ud802[\udd1f\udd3f\ude50-\ude58]|\ud809[\udc00-\udc7e]|\ud834[\udc00-\udcf5\udd00-\udd26\udd29-\udd64\udd6a-\udd6c\udd83-\udd84\udd8c-\udda9\uddae-\udddd\ude00-\ude41\ude45\udf00-\udf56]|\ud835[\udec1\udedb\udefb\udf15\udf35\udf4f\udf6f\udf89\udfa9\udfc3]|\ud83c[\udc00-\udc2b\udc30-\udc93]/g;
var string = "This., -/ is #! an $ % ^ & * example ;: {} of a = -_ string with `~)() punctuation";
var newString = string.replace(punctuationRegEx, '').replace(/(\s){2,}/g, '$1');
console.log(newString)

Für en-US-Zeichenfolgen (American English) sollte dies ausreichen:

"This., -/ is #! an $ % ^ & * example ;: {} of a = -_ string with `~)() punctuation".replace( /[^a-zA-Z ]/g, '').replace( /\s\s+/g, ' ' )

Beachten Sie, dass wenn Sie UTF-8 und Zeichen wie Chinesisch / Russisch und alle unterstützen, diese ebenfalls ersetzt werden, sodass Sie wirklich angeben müssen, was Sie möchten.

wenn Sie lodash verwenden

_.words('This, is : my - test,line:').join(' ')

Dieses Beispiel

_.words('"This., -/ is #! an $ % ^ & * example ;: {} of a = -_ string with `~)() punctuation"').join(' ')

Gemäß der Wikipedia-Liste der Interpunktionen musste ich den folgenden regulären Ausdruck erstellen, der Interpunktionen erkennt:

[\.’'\[\](){}⟨⟩:,،、‒–—―…!.‹›«»‐\-?‘’“”'";/⁄·\&*@\•^†‡°”¡¿※#№÷׺ª%‰+−=‱¶′″‴§~_|‖¦©℗®℠™¤₳฿₵¢₡₢$₫₯֏₠€ƒ₣₲₴₭₺₾ℳ₥₦₧₱₰£៛₽₹₨₪৳₸₮₩¥]

Wenn Sie nur Alphabete und Leerzeichen beibehalten möchten, haben Sie folgende Möglichkeiten:

str.replace(/[^a-zA-Z ]+/g, '').replace('/ {2,}/',' ')

Es hängt davon ab, was Sie zurückgeben möchten. Ich habe das kürzlich benutzt:

return text.match(/[a-z]/i);