正则表达式如何修改以仅删除重复出现的标点符号及空格

解决方案 #

你现有正则[^ a-zA-z0-9]存在两个问题：一是A-z的写法会包含[、\等ASCII区间的非字母字符，应该改为A-Z；二是正则把所有标点都列为了要删除的字符，自然会清空全部标点。
调整后按三步执行替换即可满足需求：

1. 第一步先过滤非法字符，将需要保留的标点（按你的测试用例为,.?，可按需扩展）加入白名单，仅删除其他语言字符、不在白名单内的特殊符号
2. 第二步对连续重复的同类型标点做去重，仅保留单个
3. 第三步对连续重复的空格做去重，仅保留单个

完整代码示例（Java）

String test = new String("agagahh,,,mvf ....      AJFKL  ???");
// 第一步：过滤非白名单字符
String st = test.replaceAll("[^a-zA-Z0-9 ,.?]", "");
// 第二步：替换连续重复的标点为单个
st = st.replaceAll("([,.?])\\1+", "$1");
// 第三步：替换连续重复的空格为单个
st = st.replaceAll("\\s+", " ");
System.out.println(st);
// 输出结果："agagahh,mvf . AJFKL ?"

扩展说明

如果需要保留更多标点（比如!、;等），只需要同步在第一步的白名单正则、第二步的标点匹配正则中添加对应字符即可，比如要保留感叹号，修改为：

• 过滤正则：[^a-zA-Z0-9 ,.?!]
• 标点去重正则：([,.?!])\\1+

内容的提问来源于stack exchange，提问作者Alpharius