Java字符串处理：移除非单词字符时保留空格与撇号的问题

你的问题出在正则表达式的范围定义上——[^\\p{L}]+只允许保留Unicode字母，而像O'Connor里的撇号'并不属于\p{L}（字母）范畴，所以会被当成非目标字符替换成空格。

要保留撇号和空格，同时移除数字、•这类非单词字符，你需要调整正则，把撇号和空格加入到允许保留的字符集合中，之后再处理可能出现的连续空格：

String a = "Graeme O'Connor Dasha Nicholls Claire N MacDermott1 • Julia K Catherine Bryant1 Josèô Gil2";
// 第一步：移除所有非字母、非撇号、非空格的字符，替换为空格
String b = a.replaceAll("[^\\p{L}'\\s]+", " ");
// 第二步：合并连续的空格为单个空格
b = b.replaceAll("\\s+", " ");
// 可选：去除首尾可能存在的空格
b = b.trim();
System.out.println("replaced: " + b);

运行这段代码后，你会得到期望的输出：

Graeme O'Connor Claire N MacDermott Julia K Catherine Bryant Josèô Gil

补充说明 #

如果你还需要保留其他常见的单词内符号（比如连字符-），只需要把它们添加到正则的允许集合里即可，比如：

// 允许保留字母、撇号、连字符、空格
b = a.replaceAll("[^\\p{L}'\\-\\s]+", " ");

内容的提问来源于stack exchange，提问作者user1631306