從java中混合文本中提取阿拉伯文本

Question

我有一個混合文本阿拉伯文，英文，數字&特殊字符。 我如何才能在java中提取阿拉伯文文本？

實施例：

مرحبا كيفك i'm fine and you كله تمام . كم عمرك . my age is 18 

需要輸出：

مرحبا كيفك كله تمام كم عمرك 

Answer 1

編寫只接受阿拉伯字符正則表達式語句。這應該完成這項工作：^[\u0621-\u064A0-9 ]+$

它接受所有的阿拉伯Unicode字符，如果不這樣做，你需要什麼，它至少給你的東西入手

Answer 2

正則表達式匹配\p{InArabic}任何阿拉伯字母。正則表達式\s匹配任何空格字符。所以如果你只希望看到阿拉伯字母和空格，你可以使用類似

myString.replaceAll("[^\\p{InArabic}\\s]", ""); 

刪除除阿拉伯文字母和空白以外的所有內容。

Answer 3

可能最簡單的方法是查找字符串中0x600-0x6FF範圍內的字符。你應該能夠用正則表達式來做到這一點沿

myString.replaceAll([^\\p{IsArabic}]); 

線替換（未經測試，這需要Java 7或更高版本），但這會從哪個不是阿拉伯語字符串中刪除任何字符。否則，您需要將\p{...}替換爲\\x{600}-\\x{6ff}，前提是我正確記住了我的正則表達式十六進制語法。