从java中混合文本中提取阿拉伯文本

Question

我有一个混合文本阿拉伯文，英文，数字&特殊字符。 我如何才能在java中提取阿拉伯文文本？

实施例：

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

需要输出：

مرحبا كيفك كله تمام كم عمرك 

Answer 1

编写只接受阿拉伯字符正则表达式语句。这应该完成这项工作：^[\u0621-\u064A0-9 ]+$

它接受所有的阿拉伯Unicode字符，如果不这样做，你需要什么，它至少给你的东西入手

Answer 2

正则表达式匹配\p{InArabic}任何阿拉伯字母。正则表达式\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，你可以使用类似

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

删除除阿拉伯文字母和空白以外的所有内容。

Answer 3

可能最简单的方法是查找字符串中0x600-0x6FF范围内的字符。你应该能够用正则表达式来做到这一点沿

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

线替换（未经测试，这需要Java 7或更高版本），但这会从哪个不是阿拉伯语字符串中删除任何字符。否则，您需要将\p{...}替换为\\x{600}-\\x{6ff}，前提是我正确记住了我的正则表达式十六进制语法。