Java正则表达式修改：如何避免匹配包含数字或特殊字符的单词

你当前使用的正则仅匹配连续3个及以上的英文字母，没有限制匹配到的字母序列的前后字符，所以只要文本中存在符合长度要求的连续字母就会被提取，哪怕这些字母前后紧跟数字、特殊符号等其他字符，就会出现你遇到的8cuatro提取出cuatro这类不符合预期的结果。

修改后的正则 #

直接使用的正则表达式：
(?<=^|\s)[a-zA-Z]{3,}(?=\s|$)

写在Java代码字符串中时，需要对反斜杠做转义：
"(?<=^|\\s)[a-zA-Z]{3,}(?=\\s|$)"

规则说明 #

• (?<=^|\s)：反向肯定环视，要求匹配到的字母序列的前侧要么是字符串开头，要么是空白字符（空格、换行、制表符等），避免匹配到前面紧跟数字、特殊符号的字母序列
• [a-zA-Z]{3,}：和原规则一致，匹配3个及以上的大小写英文字母
• (?=\s|$)：正向肯定环视，要求匹配到的字母序列的后侧要么是字符串结尾，要么是空白字符，避免匹配到后面紧跟特殊符号、数字的字母序列

匹配效果 #

用修改后的正则匹配你的测试内容，得到的结果如下：

sol
 perro
 idea
caballo
tres
ccc
coton

完全符合你的要求，8cuatro、3pesos、$dollar$、chien@这类内容都不会被匹配。

扩展说明 #

如果你需要保留类似cinco.这类后接标点符号的匹配结果，可以把正向环视规则调整为允许后接标点，修改后正则如下：
(?<=^|\s)[a-zA-Z]{3,}(?=[\s\p{Punct}]|$)

内容的提问来源于stack exchange，提问作者Orboull Legrosseboul