Пробелы, Соответствующие Регулярному Выражению-Java

вы не можете использовать \s в Java, чтобы соответствовать пробелу в собственном собственном наборе символов, потому что Java не поддерживает свойство пробела Unicode-даже если это строго требуется для удовлетворения UTS#18'S RL1. 2! то, что у него есть, не соответствует стандартам, увы.

Unicode определяет 26 кодовых точек как \p{White_Space}: 20 из них являются различного рода \pZGeneralCategory=Разделитель, а остальные 6 являются \p{Cc} GeneralCategory=Control.

белое пространство является довольно стабильным свойством, и те же самые были вокруг практически навсегда. Тем не менее, Java не имеет свойства, которое соответствует стандарту Unicode для них, поэтому вместо этого вам нужно использовать такой код:

String whitespace_chars =  ""       /* dummy empty string for homogeneity */
                        + "\u0009" // CHARACTER TABULATION
                        + "\u000A" // LINE FEED (LF)
                        + "\u000B" // LINE TABULATION
                        + "\u000C" // FORM FEED (FF)
                        + "\u000D" // CARRIAGE RETURN (CR)
                        + "\u0020" // SPACE
                        + "\u0085" // NEXT LINE (NEL) 
                        + "\u00A0" // NO-BREAK SPACE
                        + "\u1680" // OGHAM SPACE MARK
                        + "\u180E" // MONGOLIAN VOWEL SEPARATOR
                        + "\u2000" // EN QUAD 
                        + "\u2001" // EM QUAD 
                        + "\u2002" // EN SPACE
                        + "\u2003" // EM SPACE
                        + "\u2004" // THREE-PER-EM SPACE
                        + "\u2005" // FOUR-PER-EM SPACE
                        + "\u2006" // SIX-PER-EM SPACE
                        + "\u2007" // FIGURE SPACE
                        + "\u2008" // PUNCTUATION SPACE
                        + "\u2009" // THIN SPACE
                        + "\u200A" // HAIR SPACE
                        + "\u2028" // LINE SEPARATOR
                        + "\u2029" // PARAGRAPH SEPARATOR
                        + "\u202F" // NARROW NO-BREAK SPACE
                        + "\u205F" // MEDIUM MATHEMATICAL SPACE
                        + "\u3000" // IDEOGRAPHIC SPACE
                        ;        
/* A \s that actually works for Java’s native character set: Unicode */
String     whitespace_charclass = "["  + whitespace_chars + "]";    
/* A \S that actually works for  Java’s native character set: Unicode */
String not_whitespace_charclass = "[^" + whitespace_chars + "]";

теперь вы можете использовать whitespace_charclass + "+" как шаблон в свой replaceAll.

---

=begin soapbox

извините за все это. регулярные выражения Java просто не работают очень ну на свой родной набор символов, и поэтому вам действительно придется прыгать через экзотические обручи, чтобы заставить их работать.

и если вы думаете, что белое пространство плохо, вы должны увидеть, что вам нужно сделать, чтобы получить \w и \b наконец-то вести себя правильно!

Да, это возможно, и да, это умопомрачительный беспорядок. Это даже благотворительность. Самый простой способ получить стандартную библиотеку регулярных выражений для Java-это перейти от JNI к материалам ICU. То, что делает Google для Android, потому что OraSun не соответствует.

если вы не хотите этого делать, но все еще хотите придерживаться Java, у меня есть библиотека перезаписи регулярных выражений переднего плана, которую я написал, что "исправляет" шаблоны Java, по крайней мере, чтобы они соответствовали требованиям RL1. 2a в UTS#18, Регулярных Выражений В Unicode.

=end soapbox

для Java (не php, не javascript, не любой другой):

txt.replaceAll("\p{javaSpaceChar}{2,}"," ")

кажется, работает для меня:

String s = "  a   b      c";
System.out.println("\""  + s.replaceAll("\s\s", " ") + "\"");

выведет:

" a  b   c"

Я думаю, что вы намеревались сделать это вместо вашего кода:

Pattern whitespace = Pattern.compile("\s\s");
Matcher matcher = whitespace.matcher(s);
String result = "";
if (matcher.find()) {
    result = matcher.replaceAll(" ");
}

System.out.println(result);

когда я отправил вопрос на форум Regexbuddy (regex developer application), я получил более точный ответ на мой вопрос Java:

" автор сообщения: Jan Goyvaerts

в Java сокращения \s, \d и \w включают только символы ASCII. ... Это не ошибка в Java, а просто одна из многих вещей, которые вы должны знать при работе с регулярными выражениями. Чтобы соответствовать всем пробелам Юникода, а также разрывам строк, вы можете использовать [\s\p{Z}] в Java. RegexBuddy еще не поддерживает Java-специфические свойства, такие как \P{javaSpaceChar} (который соответствует точно таким же символам, как [\s\p{Z}]).

... \s\S будет соответствовать двум пробелам, если вход только ASCII. Реальная проблема заключается в коде OP, как указано в принятом ответе на этот вопрос."

Pattern whitespace = Pattern.compile("\s\s");
matcher = whitespace.matcher(modLine);

boolean flag = true;
while(flag)
{
 //Update your original search text with the result of the replace
 modLine = matcher.replaceAll(" ");
 //reset matcher to look at this "new" text
 matcher = whitespace.matcher(modLine);
 //search again ... and if no match , set flag to false to exit, else run again
 if(!matcher.find())
 {
 flag = false;
 }
}

для ваших целей вы можете использовать этот snnippet:

import org.apache.commons.lang3.StringUtils;
StrintUtils.StringUtils.normalizeSpace(string);

это нормализует интервал до одного и также удалит начальные и конечные пробелы.

использование пробелов в RE-это боль, но я считаю, что они работают. Проблема OP также может быть решена с помощью StringTokenizer или метода split (). Однако, чтобы использовать RE (раскомментировать println () для просмотра того, как сопоставитель разбивает строку), вот пример кода:

import java.util.regex.*;

public class Two21WS {
    private String  str = "";
    private Pattern pattern = Pattern.compile ("\s{2,}");  // multiple spaces

    public Two21WS (String s) {
            StringBuffer sb = new StringBuffer();
            Matcher matcher = pattern.matcher (s);
            int startNext = 0;
            while (matcher.find (startNext)) {
                    if (startNext == 0)
                            sb.append (s.substring (0, matcher.start()));
                    else
                            sb.append (s.substring (startNext, matcher.start()));
                    sb.append (" ");
                    startNext = matcher.end();
                    //System.out.println ("Start, end = " + matcher.start()+", "+matcher.end() +
                    //                      ", sb: \"" + sb.toString() + "\"");
            }
            sb.append (s.substring (startNext));
            str = sb.toString();
    }

    public String toString () {
            return str;
    }

    public static void main (String[] args) {
            String tester = " a    b      cdef     gh  ij   kl";
            System.out.println ("Initial: \"" + tester + "\"");
            System.out.println ("Two21WS: \"" + new Two21WS(tester) + "\"");
}}

он производит следующее (компиляция с javac и запуск в командной строке):

% java Two21WS Инициал: "a b cdef gh ij kl" Two21WS: "a b cdef gh ij kl"