Java正则表达式如何仅替换输入文件中特定位置的撇号

云原生阿岚

2026-9-25

倒排索引文本解析撇号处理解决方案

可以通过多轮正则替换实现你要求的撇号区分处理逻辑，无需调整原有拆分逻辑，只需要在原有特殊字符替换前新增撇号规则处理步骤即可。

具体实现步骤

第一步：移除成对包裹单词的单撇号，比如将'Brutus'直接替换为Brutus
第二步：移除单词前后的双撇号，比如将''At直接替换为At
第三步：将除字母、空格、合法撇号之外的所有特殊字符替换为空格，避免单词合并问题
第四步：清理多余连续空格后转小写，按空格拆分得到单词数组

完整Java代码示例

String rawInput = value.toString();
String processedText = rawInput
    // 移除成对包裹单词的单撇号
    .replaceAll("'([a-zA-Z]+)'", "$1")
    // 移除单词前后的双撇号
    .replaceAll("''(?=[a-zA-Z])|(?<=[a-zA-Z])''", "")
    // 替换其他所有非合法字符为空格
    .replaceAll("[^a-zA-Z ']", " ")
    // 清理多余连续空格
    .replaceAll("\\s+", " ")
    .trim()
    .toLowerCase();
// 拆分得到单词数组
String[] words = processedText.split(" ");