我正在从一个文本变量中删除标点符号，这个变量可以是phase等。例子：你好，我是拉莫·胡安！霍伊·埃斯德í卡米ón。我使用的代码是：
REGEXP_REPLACE(text, '[^0-9A-Za-z ]+', '')
这通常效果很好。问题是在某些语言中，我们在某些单词上加了标点符号。示例：dí卡米ón。运行上述代码时，这些单词的输出是“da”“camin”。它删除与标点符号相关的字母。有没有办法避免这种情况发生？谢谢！
t2a7ltrp1#
有两种选择：使用许多unicode属性之一。例如，\p{l}匹配任何语言中的任何unicode字母-在本例中，您可以使用 [^0-9p\{L} ]+ . 有许多不同的unicode属性，以及regex风格之间的差异，所以我建议研究这个链接以供参考。如果上面的解决方案不适合您，请列出您要匹配的特定unicode代码。例如，í 可与\u00ed匹配，ó 可以与\u00f3匹配，因此对于本例，[^\w\u00ed\u00f3]+就可以了。有很多unicode引用，比如您可以使用的这个。除此之外，\w的含义与[0-9a-z\u a-z]相同，并且\w返回与\w不匹配的所有字符，因此您可以替换表达式的该部分，即[\w]+，而不是您最初编写的内容\不过，w并不能缓解unicode的问题——这是一个可读性和简单性的问题。
[^0-9p\{L} ]+
1条答案
按热度按时间t2a7ltrp1#
有两种选择：
使用许多unicode属性之一。例如，\p{l}匹配任何语言中的任何unicode字母-在本例中，您可以使用
[^0-9p\{L} ]+. 有许多不同的unicode属性，以及regex风格之间的差异，所以我建议研究这个链接以供参考。如果上面的解决方案不适合您，请列出您要匹配的特定unicode代码。例如，í 可与\u00ed匹配，ó 可以与\u00f3匹配，因此对于本例，[^\w\u00ed\u00f3]+就可以了。有很多unicode引用，比如您可以使用的这个。
除此之外，\w的含义与[0-9a-z\u a-z]相同，并且\w返回与\w不匹配的所有字符，因此您可以替换表达式的该部分，即[\w]+，而不是您最初编写的内容\不过，w并不能缓解unicode的问题——这是一个可读性和简单性的问题。